摘要

本研究探讨了基于多源时空数据驱动的城市交通智能预测方法，旨在通过整合物联网传感器、卫星遥感数据和移动设备数据等多源数据，构建精确、高效的城市交通预测与管理系统。本文首先对多源数据的获取与处理技术进行了详细分析，包括数据清洗与缺失值处理、时空数据融合与校准等关键步骤。随后提出了基于长短期记忆网络（LSTM）与图卷积网络（GCN）的混合模型，以提高交通流量预测的时空精度。同时，采用深度强化学习（DRL）算法进行实时交通信号优化调度，并结合多智能体系统（MAS）实现全局协同调度。通过对实际交通场景的应用分析，本研究验证了系统在交通流量预测、优化调度、公众出行建议与个性化服务等方面的有效性，显著提升了城市交通管理的智能化水平。

关键词