联合自适应卷积网络和强化学习优化的交通流预测方法

本发明公开了一种联合自适应卷积网络和强化学习优化的交通流预测方法及系统，方法包括：基于多源异构整合数据输入多尺度时空卷积网络，提取交通流特征；时间卷积模块采用多卷积核提取不同时间尺度的时间特征；空间卷积模块采用多层多交通影响特征建模的动态图卷积结构；根据交通流特征，分别基于自适应机制和反馈机制优化卷积核，得到交通流预测模型；基于强化学习动态调整模型参数配置，输出车道级交通流预测结果。本方法通过时空卷积网络与强化学习算法相结合，应用不同尺度卷积核，采用邻域更新和加权时间窗口改进图卷积结构，结合连续优化和反馈机制动态调整参数，能够有效捕捉不同时间和空间尺度下交通流的复杂特征，实现车道级交通流预测。