1.一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，获取交通流的原始数据并对缺失数据进行插补和标准化以此获得预处理后的数据包括：
3.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，将交通流预处理后的数据根据时间戳进行分段的过程包括：
4.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，根据交通速度传感器的地理信息构建邻接矩阵，并根据邻接矩阵获取交通流出度矩阵和入度矩阵，具体包括：
5.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，得到生成出度矩阵、入度矩阵的动态权重矩阵的过程包括：
6.根据权利要求1或5所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，动态加权的历史数据矩阵的获取包括：
7.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，基于出度矩阵、入度矩阵的动态权重矩阵构建自适应矩阵包括：
8.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，利用两个传感器数据之间的皮尔逊相关系数构建掩码矩阵，并利用该掩码矩阵对自适应矩阵进行稀疏化，即计算各个传感器之间数据的皮尔逊相关系数，若皮尔逊相关系数大于设定阈值则掩码矩阵中这两个传感器对应的位置处值为1，否则为0，利用该掩码矩阵对自适应矩阵进行稀疏化。
9.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，将稀疏化后的自适应矩阵、生成出度矩阵、入度矩阵的动态权重矩阵输入gru门控单元进行提取隐藏信息的过程包括：
10.根据权利要求1所述的一种面向多元交通流时空数据信息的交通流预测方法，其特征在于，利用多头注意力机制对获取的隐状态信息进行处理包括：