一种特征差异学习网络交通流量数据预测处理方法及系统

本发明提供一种特征差异学习网络交通流量数据预测处理方法及系统，涉及数据处理领域，可解决对交通时序预测的准确性不高的问题。该方法，包括：对输入的原始交通时序数据进行数据预处理，获得特征差异学习样本，原始交通时序数据包括在一时长范围内多个目标道路节点的交通数据；接着，通过集成样本定位编码器、特征差异生成器和判别器，构建深度学习模型DXGAN；然后，将特征差异学习样本输入深度学习模型DXGAN，获得预测结果。通过趋势化特征差异学习进行时空特征差异区分，利用DXGAN模型的高准确性来提高了交通时序预测的准确性。