摘要
本发明涉及一种融合空气质量与车流量数据的短时交通流预测方法,根据获取的车流量和空气质量数据集构建特征矩阵,再根据街道节点绘制空气质量关联拓扑图,用于获取空间特征,并创建对应的空气质量关联矩阵;然后根据空气质量关联拓扑图和特征矩阵,构造映射函数,使用深度学习方法搭建神经网络模型,对映射函数进行建模;对神经网络模型进行训练,并计算预测值与实际值之间的损失函数,通过反向传播算法对神经网络模型的参数进行优化,使用ADAM不断自适应学习率,优化神经网络模型的参数以使模型更加准确;使用训练好的神经网络模型对实时数据进行预测,输出预测结果。本发明结合车流量和空气质量数据,提高了交通流预测的准确性和可靠性。