一种融合动态图卷积网络与Transformer的城市交通流预测方法

本发明涉及智能交通技术领域，具体涉及一种融合动态图卷积网络与Transformer的城市交通流预测方法，首先采集路网中的交通数据形成数据集，接着构建时空动态GCN单元以捕捉路网拓扑的动态演化，并通过扩张时间卷积提取多尺度时空特征；然后构建Transformer单元用于建模交通流的全局时序依赖关系；最后结合门控融合预测单元，通过时空交叉注意力机制融合时空特征，有效提升预测精度与鲁棒性。经真实数据验证评估，本发明方法适用于城市路网动态环境下的交通流预测场景，特别在突发路况与高峰期具有良好性能。