1、 根据特征工程对区域进行划分，选择热点区域进行分析
2、 根据特征工程对时间进行划分，对高峰时段进行分析
3、特征除去压力外，构建 LSTM-Attention 以及 Transformer 模型，对 speed 进行预测，评
价指标 RMSE、MSE 以及 MAE。
4、对模型结果进行可视化
Transformer拥堵预测 Pytorch 实现 包含数据集和代码 可直接运行.zip
版权申诉
154 浏览量
2023-08-27
12:37:16
上传
评论 1
收藏 279.99MB ZIP 举报
Transformer拥堵预测.zip （46个子文件） 
loss.jpg 10KB
tst 
utils.py 2KB __init__.py 36B positionwiseFeedForward.py 1KB decoder.py 3KB encoder.py 3KB transformer.py 5KB __pycache__ multiHeadAttention.cpython-39.pyc 9KB __init__.cpython-39.pyc 204B decoder.cpython-39.pyc 3KB transformer.cpython-39.pyc 4KB utils.cpython-39.pyc 2KB encoder.cpython-39.pyc 3KB positionwiseFeedForward.cpython-39.pyc 2KB multiHeadAttention.py 13KB loss_1.jpg 13KB
要求.docx 15KB 特征工程2.ipynb 160.61MB reslut.jpg 71KB data db_tmp_road_curve_20221224_.csv 145.31MB db_tmp_road_curve_20221223_.csv 139.8MB db_tmp_road_curve_20221227_.csv 145.86MB db_tmp_road_curve_20221229_.csv 145.83MB db_tmp_road_curve_20221225_.csv 147.29MB db_tmp_road_curve_20221228_.csv 145.8MB db_tmp_road_curve_20221226_.csv 145.96MB main.ipynb 208KB main_3.ipynb 25KB main_1.ipynb 35KB main_2.ipynb 25KB .idea .name 10B workspace.xml 4KB misc.xml 200B inspectionProfiles profiles_settings.xml 174B modules.xml 293B .gitignore 190B Transformer预测.iml 336B data.csv 138.67MB reslut.csv 5.34MB
loss.txt 4KB Untitled.ipynb 51MB result.txt 7KB .ipynb_checkpoints mode-checkpoint.ipynb 2KB Untitled-checkpoint.ipynb 72B main-checkpoint.ipynb 48KB mode.ipynb 2KB资源评论
