在复杂的交通路网系统下，准确、及时的交通预测速度方法可以有效缓解交通拥堵和环境污染等问题。然而，传统的交通预测速度方法预测精度和鲁棒性较差，会延误交通管理者进行拥堵前的交通疏导与管控，甚至会造成城市交通系统瘫痪。因此，本成果利用先进的深度学习技术和代价敏感学习方法对时空交通数据进行建模和模型优化，开发了一种高精度、路网级的峰值敏感交通速度预测方法。另外，本成果还具备提高峰值时期预测精准度的功能。本成果可以广泛的应用于复杂路网环境下的交通速度预测，提高交通速度预测准确准确性和鲁棒性。另外，本成果还可应用于具有相似模式的其他交通预测任务。该成果目前有专利2项，SCI一区论文一项。
技术特点：实时动态、精确。
应用范围及市场分析：交通流精确预测；市场前景广泛。
