摘要
本申请实施例提供一种交通流量预测方法及装置，该方法使用随机森林对不同时段的交通流量特征进行重要度特征选择，再使用降维保留关键判别信息，重要度较高的特征作为输出向量输入到transformer网络中，transformer网络作为交通流量的预测模型进行特征学习和预测。本方法使用随机森林的特征选择一定程度增强了数据稳定性和代表性，同时通过特征融合巧妙地将不同类型、不同粒度的辅助信息有效地注入到模型的每个处理步骤中，使Transformer能够综合利用所有信息进行更精准的交通流量预测。结合transformer网络的泛化能力，使模型在不同时段、不同交通场景下都有较好适应性，能有效应对交通流量变化的不确定性，对新数据和复杂交通状况有较好预测效果。
