基于马尔可夫聚类图注意力网络的城市交通流量预测方法

摘要

本发明涉及一种基于马尔可夫聚类图注意力网络的城市交通流量预测方法，包括如下步骤：1、根据历史的交通出行数据，获取时间序列流量矩阵；2、基于马尔可夫聚类算法思想提取图中存在的自然结构信息，获得全局相关性结点矩阵；3、建立生成对抗神经网络模型，该模型生成器中改进的图注意力模块在获取空间隐藏特征时不再像图注意力网络仅将邻结点限制在一阶邻居结点内，而是扩展到基于马尔可夫聚类算法得到的全局相关性结点信息中；学习训练模型，将学习好的模型作为区域交通流量预测模型；本发明改进的图注意力模块不仅关注局部的邻结点，并且动态考虑整体图结构中的邻结点信息，对他们赋予不同的权重，提高对空间特征的获取能力。