基于自监督学习的交通预测方法及系统

本发明提供一种基于自监督学习的交通预测方法及系统，该方法包括如下步骤：获取交通流量数据；预处理交通流量数据；基于神经网络模型构建交通预测模型；捕捉交通流量数据的时空依赖性，得到原始时空嵌入；对交通流量训练数据进行数据掩盖处理，得到增强交通流量数据；捕捉增强交通流量数据的时空依赖性，得到增强时空嵌入；然后分别得到空间异质性损失函数和时间异质性损失函数；通过多层感知机进行交通流量预测，获取预测损失函数；最终计算得到模型总损失函数；根据模型总损失函数优化交通预测模型的模型参数；将交通流量测试数据输入至交通预测模型中，得到目标城市的交通预测结果。本发明具有较为准确预测城市交通情况的效果。