一种多尺度自监督和注意力机制融合的交通流预测方法

本发明属于交通流预测技术领域，具体涉及一种多尺度自监督和注意力机制融合的交通流预测方法，包括下列步骤：获取历史交通流数据，提取周期性嵌入特征；通过交叉注意力机制生成周期‑事件融合特征；将所述周期‑事件融合特征分别输入并行设置的时间编码分支、空间编码分支进行处理，对应得到时间依赖特征、空间依赖特征；通过双向交叉注意力生成调制参数，利用所述调制参数对另一分支输出的特征执行动态仿射变换，输出多层时空协同特征。本发明通过构建多尺度自监督时序重构机制，利用多个并行的时序重构分支分别处理不同长度的历史时间窗口，各分支通过自监督重构损失函数自动学习不同时间粒度下的异常事件模式。