科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前动态建模和数据驱动的方法对中长期流量预测的研究存在计算功率消耗大和准确率不够高,不足以预测医疗物资运输中交通流量的不确定性和复杂性的问题,文中把病毒传播用图神经网络提出了一个以解决物资调度时间序列预测问题建模。以NGSIM数据集IDM参数和HighD数据集等为研究对象,基于GCN基于节点的图分类或预测的方法删除了自连接,引入了权重矩阵,同时将输出层替换为对每个节点的功能独立运行的前馈层。这样可以更好地解耦特征提取和根据提取的特征进行的最终预测。实验表明,优化的模型更有效捕获全面的时空相关性,将预测误差降低了30%以上达到最佳基准模型,提升了医疗物资调度效率。
-
单位南京工业大学浦江学院
