基于内嵌注意力机制的循环神经网络的交通流量预测方法

摘要

本发明属于智能交通领域，具体涉及了一种基于内嵌注意力机制的循环神经网络的交通流量预测方法，旨在解决现有技术无法在保持相同或提升预测精度和预测效果的同时，减少模型训练参数、缩短模型训练耗时的问题。本发明包括：获取各检测站点的历史交通流量数据；将数据处理成以τ为时间间隔的连续等时长的数据集；将数据集按照各检测站点的的空间分布排列成交通流量数据矩阵；将交通流量数据矩阵分割为样本数据集；利用内嵌注意力机制的循环神经网络模型提取数据集之间的时空特征；采用单层全连接网络预测得到下一时刻的交通流量预测结果。本发明在保证预测准确度的同时，极大缩小了模型的训练参数量、节约了计算资源、缩短了训练耗时。