本研究提出了一种基于分解的深度集成学习方法，以解决深度学习在交通流量预测中的过拟合问题。实验结果表明，该方法在预测性能上优于直接使用原始数据，并揭示了其对聚合策略和预测时域的敏感性。

该研究提出了一种新的方法来预测高速公路上的交通流量，通过数据归一化策略解决了数据不平衡问题，并利用图卷积网络和外部特征来捕捉时空特征，实验证明该方法在预测准确性方面有明显提升。