本發(fā)明提供一種基于強(qiáng)化時空圖神經(jīng)網(wǎng)絡(luò)的交通預(yù)測方法，基于序列到序列模型的交通預(yù)測框架，對道路網(wǎng)絡(luò)的時間相關(guān)性、空間相關(guān)性進(jìn)行建模，根據(jù)道路網(wǎng)絡(luò)上下游關(guān)系將整個路網(wǎng)構(gòu)建成一個有向加權(quán)圖，通過擴(kuò)散圖卷積網(wǎng)絡(luò)來捕獲路網(wǎng)的空間相關(guān)性，提取路網(wǎng)的空間相關(guān)性特征，將帶有空間相關(guān)性特征的時間序列輸入到遞歸神經(jīng)網(wǎng)絡(luò)中捕獲路網(wǎng)的時間相關(guān)性，然后通過強(qiáng)化學(xué)習(xí)中的actor?critic算法在解碼的過程中對預(yù)測結(jié)果進(jìn)行優(yōu)化，將每個時間片捕獲的路網(wǎng)關(guān)系拓?fù)鋱D看作智能體中的actor，將遞歸神經(jīng)網(wǎng)絡(luò)看作actor選擇下一個動作的隨機(jī)策略，并用critic對它選擇的動作進(jìn)行評判，并反饋一個優(yōu)勢函數(shù)，actor根據(jù)反饋的優(yōu)勢函數(shù)來更新策略參數(shù)，相比傳統(tǒng)方法大大提高了預(yù)測精度。