一种异质图协同学习交通流预测方法

本发明涉及交通流预测领域，特别是涉及一种异质图协同学习交通流预测方法。解决现有方法在动态时空依赖建模不足、异质关系利用缺失、长短期特征提取困难及计算效率瓶颈等问题，主要方案包括生成时空嵌入表示，融合节点的拓扑结构信息与时间特征，得到时空嵌入表示STE；将输入时间序列数据与STE拼接，通过自适应频谱块滤除高频噪声并增强长短期依赖特征，再经交互卷积块提取多尺度同质时间特征；结合自适应记忆注意力和渐进图卷积，从同质分支的输入数据中提取空间依赖性，得到同质时空特征；构建异质邻接矩阵，通过异质图时空卷积提取负相关时空特征，并与同质时空特征进行协同交互；堆叠多层时空块，聚合各层输出并通过输出层生成交通流预测结果。