基于深度时空残差网络的路网短时交通流预测方法

摘要

本发明提供一种基于深度时空残差网络的路网短时交通流预测方法，针对时空数据的两个独特属性邻近性和周期性分别设计相应的残差网络分支，通过为两个分支中相同的道路分配不同的权重动态聚合两个分支网络的输出，从而调整时空属性对不同路段交通流量预测的影响程度，其次将两个残差网络的聚合结果与外部因素进行融合。通过选择RMSE和R2为模型的评价指标进行了实验验证，该DST‑ResNet模型相较主流的LSTM模型具有更高的有效性和可行性。