基于知识图谱时空扩散图卷积的港口交通预测

作者：薛桂香^*; 王辉; 周卫峰; 刘瑜; 李岩

来源：计算机应用, 2023, 1-7.

• 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

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任务。为了提高港口交通流量预测精度，本文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模型（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能够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5.8%和8.17%。

• 单位
  河北工业大学; 天津港信息技术发展有限公司