摘要
本发明公开了一种面向城市交通数据时空动态漂移认知的深度学习方法，通过协同建模城市交通数据的分布漂移和模式漂移来准确认知时空动态漂移特征，并提出基于多粒度的时空动态漂移认知计算模型来表征和处理时空动态漂移问题，使其能够快速适应不断演化的城市交通场景。本发明打破了现有深度学习方法对数据领域信息和城市区域模式信息的预先定义局限，解决了基于深度学习的时空模型难以适应真实交通场景动态演化的应用难题。本发明旨在研究城市交通数据的时空同步漂移机理并提出相关应对机制，助力深度模型捕获稳定的交通模式并快速适应动态的交通环境，从而构建安全稳健、可靠可信的新一代智能交通系统。
