期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于知识图谱和时空扩散图卷积网络的港口交通流量预测
被引量：
2
1
作者
薛桂香
王辉
+2 位作者
周卫峰
刘瑜
李岩
《计算机应用》
CSCD
北大核心
2024年第9期2952-2957,共6页
由于港口交通流量具有随机不确定性、时间不平稳特征,因此港口交通流量的精准预测是一项具有挑战性的任务。为了提高港口交通流量预测精度,考虑气象条件和港口相邻高速公路开闭状态等外部干扰因素,提出了一种基于知识图谱和时空扩散图...
由于港口交通流量具有随机不确定性、时间不平稳特征,因此港口交通流量的精准预测是一项具有挑战性的任务。为了提高港口交通流量预测精度,考虑气象条件和港口相邻高速公路开闭状态等外部干扰因素,提出了一种基于知识图谱和时空扩散图卷积网络的港口交通流量预测算法KG-DGCN-GRU。知识图谱表示港口交通网络相关因素,知识表示方法从港口知识图谱中学习各外部因素的语义信息,扩散图卷积网络(DGCN)和门控循环单元(GRU)能有效挖掘港口交通流量的时空依赖特征。基于天津港交通数据集的实验结果表明,KG-DGCN-GRU能通过知识图谱和扩散图卷积有效提高预测精度,在单步预测(15 min)中与时间图卷积网络(T-GCN)和扩散卷积递归神经网络(DCRNN)相比,均方根误差(RMSE)分别降低了4.85%和7.04%,平均绝对误差(MAE)分别降低了5.80%和8.17%。
展开更多
关键词
港口交通流量预测
知识图谱
时空依赖
门控循环单元
图卷积网络
在线阅读
下载PDF
职称材料
题名
基于知识图谱和时空扩散图卷积网络的港口交通流量预测
被引量：
2
1
作者
薛桂香
王辉
周卫峰
刘瑜
李岩
机构
河北工业大学土木与交通学院
河北工业大学人工智能与数据科学学院
天津市智能交通运行监测中心
天津港信息技术发展有限公司
出处
《计算机应用》
CSCD
北大核心
2024年第9期2952-2957,共6页
基金
国家自然科学基金资助项目(52208240)
天津市科技计划项目(23ZGCXQY00030)。
文摘
由于港口交通流量具有随机不确定性、时间不平稳特征,因此港口交通流量的精准预测是一项具有挑战性的任务。为了提高港口交通流量预测精度,考虑气象条件和港口相邻高速公路开闭状态等外部干扰因素,提出了一种基于知识图谱和时空扩散图卷积网络的港口交通流量预测算法KG-DGCN-GRU。知识图谱表示港口交通网络相关因素,知识表示方法从港口知识图谱中学习各外部因素的语义信息,扩散图卷积网络(DGCN)和门控循环单元(GRU)能有效挖掘港口交通流量的时空依赖特征。基于天津港交通数据集的实验结果表明,KG-DGCN-GRU能通过知识图谱和扩散图卷积有效提高预测精度,在单步预测(15 min)中与时间图卷积网络(T-GCN)和扩散卷积递归神经网络(DCRNN)相比,均方根误差(RMSE)分别降低了4.85%和7.04%,平均绝对误差(MAE)分别降低了5.80%和8.17%。
关键词
港口交通流量预测
知识图谱
时空依赖
门控循环单元
图卷积网络
Keywords
port traffic flow prediction
knowledge graph
spatio-temporal dependency
Gated Recurrent Unit(GRU)
Graph Convolutional Network(GCN)
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于知识图谱和时空扩散图卷积网络的港口交通流量预测
薛桂香
王辉
周卫峰
刘瑜
李岩
《计算机应用》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
