基本信息

---

下载

文档摘要

---

摘要

随着物联网、大数据和人工智能的发展，新型的基于数据驱动和深度学习的预测方

法逐渐成为研究热点。在城市交通管理中，准确预测交通流量至关重要。然而，传统的

交通流量预测方法往往存在精度不高、波动性大的问题，难以满足实际需求。新型的预

测方法能更好地挖掘交通数据信息，提升预测准确性和稳定性。然而，由于交通数据具

有复杂的时空特性和非线性关系，如何有效地捕捉这些特性并提高预测准确度仍然是一

个挑战。此外，静态知识图谱表示学习方法往往难以捕捉数据的时间演化特征，限制模

型在处理时序数据时的表征能力。为了