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.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812024⁃09⁃10

计算机应用,2024,44(9):2952-2957CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）09-2952-06DOI：10.11772/j.issn.1001-9081.2023081100

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

1*2334

薛桂香，王辉，周卫峰，刘瑜，李岩

（1.河北工业大学土木与交通学院，天津300401；2.河北工业大学人工智能与数据科学学院，天津300401；

3.天津市智能交通运行监测中心，天津300250；4.天津港信息技术发展有限公司，天津300461）

（∗通信作者电子邮箱xueguixiang@hebut.edu.cn）

摘要：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（15min）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

中图分类号：TP181文献标志码：A

Porttrafficflowpredictionbasedon

knowledgegraphandspatio-temporaldiffusiongraphconvolutionalnetwork

1*2334

XUEGuixiang，WANGHui，ZHOUWeifeng，LIUYu，LIYan

（1.SchoolofCivilandTransportationEngineering，HebeiUniversityofTechnology，Tianjin300401，China；

2.SchoolofArtificialIntelligence，HebeiUniversityofTechnology，Tianjin300401，China；