科创中国

本发明搭建内嵌时空注意力模块的编解码神经网络，通过网络强大的自学习能力完成未来车道运行情况的预测。

基于时空注意力机制的地面道路车道级交通流预测方法，预处理原始交通流数据；制定车道选取策略；进行速度处理及空间编码器网络自学习；通过张量融合并进行时间解码器网络自学习获取最终预测结果。本发明通过编解码结构的时空注意力机制网络，捕获交通流深层次特征，并以并行方式高效解决长距离依赖问题。同时特定的地面车道选取策略，并经灰色关联分析法验证。能取得精细化车道级交通流预测结果，更好地服务交通管理。

准确的交通流预测对于交通管理和出行规划至关重要。这种基于时空注意力机制的方法可以更精准地预测地面道路车道级的交通流量，为交通部门提供科学的决策依据。有助于优化交通信号控制、合理规划道路资源，提高交通效率，减少拥堵。同时，也能为出行者提供实时的交通信息，方便他们选择最佳的出行路线。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

本发明的创新之处在于：

(1)首次设计出编解码结构的时空注意力机制网络，捕获交通流深层次特征，并以并行方式高效解决长距离依赖问题。

(2)针对该网络率先提出特定的地面车道选取策略，并经灰色关联分析法验证。

(3)取得精细化车道级交通流预测结果。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。