1.一种基于时间卷积网络的车流量短期预测优化应用方法，其特性在于，包括：
采集车流量数据信息；
对所述数据信息进行预处理，统计车流量的实际值；
根据所述实际值构建时间卷积网络，并对所述网络进行训练；
将车流量的实时数据输入训练好的所述时间卷积网络，实现对车流量的短期预测。
2.如权利要求1所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述对数据信息进行预处理包括，
利用目标检测算法对视频数据进行识别并统计车流量实际值。
3.如权利要求1或2所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述构建时间卷积网络包括，
构建因果卷积网络；
在所述因果卷积网络中加入膨胀卷积层和残差卷积层；
构建包含因果卷积层以及所述膨胀卷积层、残差层的时间卷积网络；
所述时间卷积网络结合注意力机制，使网络专注于输入数据的特征；
输入车流量数据，训练所述时间卷积网络模型。
4.如权利要求3所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述构建因果卷积网络包括，
利用一维全卷积网络体系结构将任意长度的输入序列映射到长度相同的输出序列，其中每个隐藏层的长度与输入层的长度相同，零填充为添加以保持后续层的长度相同，将输入的序列转化为一个保证时序因果性的被卷积序列。
5.如权利要求4所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述膨胀卷积层包括，
一维序列输入和滤波器分别设置为：x∈r、f:{0,...,k-1}→r，所述膨胀卷积层计算在时间t内的交通流量f，其计算公式为：
其中：d为膨胀因子，k为滤波器大小，t-d·i为指示过去的方向。
6.如权利要求4或5所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述残差卷积层包括，
所述残差卷积层即构建残差块，所述残差块定义为：
y＝f(x,wi)+x
其中：y为要考虑的图层的输出向量，函数f(x,wi)为网络需要学习的残差映射，wi为第i层的权重。
7.如权利要求6所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述时间卷积网络包括，
在所述时间卷积网络中，将第i层和第j块的激活函数设定为
其中：w1w2为权重参数，
8.如权利要求7所述的基于时间卷积网络的车流量短期预测优化应用方法，其特征在于：所述获得t时刻的预测结果包括，
在所述跳跃连接中，
其中：