一种实现交通点语义和网络拓扑共挖掘的交通流预测方法

本发明属于交通技术领域，特别涉及一种实现交通点语义和网络拓扑共挖掘的交通流预测模型。模型的名称为STIGNN，STIGNN在空间特征聚合方面，将重点放到交通点特征与交通点间拓扑关系的耦合，综合考虑潜在的和现有的空间依赖性。STIGNN能够通过基于门控的时间卷积层来处理长时间序列，通过在时空框架中引入节点特征与拓扑关系的双重注意力注意机制，该模型可以直接应用于归纳学习任务，并可以推广到任何具备复杂实体及关系的网络。在两个公共真实交通网络数据集METR‑LA和PEMS‑BAY上的实验结果表明，STIGNN优于先进的基线模型。