我正在努力预测交叉路口网络上的物理交通量。

我拥有的数据是按交叉点排序的，包括他们经过的时间（以纪元后秒为单位）和某人来自的方向。这里有一个模拟样本（我有几个月的 60 个交叉点的数据）：

   Intersection 1:{
     (1456140051, 1),
     (1456140066, 2),
     (1456140070, 2),
     (1456140073, 3),
     (1456140078, 1),
     (1456140091, 1)}
   Intersection 2:{
     (1456140051, 1),
     (1456140058, 4),
     (1456140060, 3),
     (1456140063, 2),
     (1456140067, 2),
     (1456140071, 4)}

（注意：数据不是完整的网络，有许多较小的交叉口没有收集到数据）

到目前为止，我已经做了一些傅立叶分析，这给了我很强的每周和每日周期性（显然），因此计算了每个交叉点的每日/每周平均值/噪声等，并且我已经寻找了一些相邻交叉点之间的一些相关性。对我来说，下一步是使用来自所有路口的数据来估计一个路口的交通量，然后对未来 10 分钟的交通量做同样的事情。

我发现了各种机器学习方法，它们应该适用于具有恒定时间间隔和不同值的时间序列（例如，每分钟 1 个不同值的数据点），并且我可以聚合我的数据，以便每分钟获得流量值或所以（典型的流量在 5 到 100 次/分钟/交叉路口之间）。但是，我觉得那样我会丢失很多信息。

因此，我正在寻找一种可以将我拥有的数据（或该数据的某些派生数据，而不会丢失太多信息）作为输入的方法。任何人都可以推荐一些文章或指出我正确的方向吗？