城市道路交通拥堵预测是智慧交通系统的核心任务之一，但传统模型因依赖单一数据源或简单融合方法，难以应对多源异构数据的复杂性与动态性。本研究提出一种基于多源异构数据深度融合的交通拥堵预测模型，通过整合道路传感器数据、移动终端轨迹、气象信息及社交媒体文本等多维度数据，构建时空图卷积网络（ST-GCN）与注意力机制相结合的混合架构。模型采用动态权重分配策略，自适应调整不同数据源的贡献度，并引入因果推理模块解析拥堵传播机理。
版权所有 © 2025 世纪中文出版社 京ICP备2024086036号-2
