没有合适的资源?快使用搜索试试~ 我知道了~
首页物联网驱动的多特征时空图卷积网络提升水运通航密度预测精度
物联网驱动的多特征时空图卷积网络提升水运通航密度预测精度
5 下载量 182 浏览量
更新于2024-08-29
收藏 4.24MB PDF 举报
本文主要探讨了在物联网技术推动下,针对水运交通领域中的通航密度预测问题,提出了一种创新的方法——多特征时空图卷积网络(MFSTGCN)。随着港航信息化的需求日益增长,水运交通大数据分析已经成为交通研究和实践的重要焦点。在水运交通场景中,通航密度的特性显著,包括非线性变化、时空关联性和异质性,这些特性使得精确预测成为一个极具挑战性的任务。 MFSTGCN方法的关键在于其对多个特征的综合考虑,特别是通航量、船舶平均航速和船舶密度这三个关键指标。通过整合空间维度的图卷积和时间维度的卷积操作,该模型能够有效地捕捉通航密度在时间和空间上的复杂关系。这种方法相较于传统的时空图卷积网络(STGCN)有显著的优势,STGCN仅依赖单一特征进行处理,而MFSTGCN则通过多元特征的融合提升预测精度。 作者们使用了一个由长江港口船舶自动识别系统(AIS)数据集构建的实验平台来验证MFSTGCN的有效性。实验结果显示,MFSTGCN在预测水运通航密度时,其预测性能明显优于STGCN,这证明了该方法在实际应用中的优越性。研究不仅有助于提升水运交通管理的智能化水平,也为其他领域的时空序列预测提供了一种新的思路和技术支持。 此外,文章还提到了文献的分类号(U697),表明该研究属于运输科学范畴,以及文献标识码(A)和DOI(10.11959/j.issn.2096−3750.2020.00176),这是学术期刊引用的标准格式。这篇论文为水运交通数据分析和智能预测提供了实用的工具和技术支持,对于推动港航信息化进程具有重要意义。
资源详情
资源推荐
2020 年 9 月 Chinese Journal on Internet of Things September 2020
第 4 卷第 3 期 物 联 网 学 报 Vol.4
No.3
基于多特征时空图卷积网络的水运通航密度预测
董伟,张磊磊,金子恒,孙伟,高俊波
(上海海事大学信息工程学院,上海 201306)
摘 要:面对港航信息化发展的需求,物联网技术助力我国水运交通感知网络的建设。水运交通大数据分析已成
为交通领域研究者和实践者关注的热点。在水运交通中,各港口的通航密度具有非线性、时空相关性和异质性,
对其进行精准预测将面临巨大的挑战。提出一种基于多特征时空图卷积网络(MFSTGCN, multi-feature spa-
tio-temporal graph convolution network)的预测方法,解决了水运交通中通航密度的预测问题。MFSTGCN 方法从
通航量、船舶平均航速和船舶密度 3 个特征出发,利用空间维图卷积和时间维卷积操作有效捕获通航密度的时空
相关性。在某航运平台采集的长江港口船舶自动识别系统(AIS, automatic identification system)数据集上进行实
验,结果表明,MFSTGCN 方法的预测效果优于时空图卷积网络(STGCN, spatio-temporal graph convolution
network)方法的预测效果。
关键词:水运交通;通航密度;时空相关性;图卷积网络;多特征
中图分类号:U697
文献标识码:A
doi: 10.11959/j.issn.2096−3750.2020.00176
Prediction of the waterborne navigation density based on the
multi-feature spatio-temporal graph convolution network
DONG Wei, ZHANG Leilei, JIN Ziheng, SUN Wei, GAO Junbo
College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China
Abstract: In the face of the development of the information technology in the port and waterway, the Internet of things
(IoT) technology can help to build China’s water transport perception network. The big data analysis of the waterborne
transport has become a hot topic for researchers and practitioners in the field of transportation. The navigation density of
each port in the water transportation is nonlinear and spatio-temporal correlation, so it is a great challenge to accurately
predict it. A multi-feature spatiotemporal graph convolution network (MFSTGCN) was proposed to solve the problem of
the traffic density prediction. MFSTGCN effectively captured the spatial-temporal correlation of the ship navigation den-
sity data by using the spatial convolution and temporal convolution through three features, which were navigation volume,
average ship speed and ship density. The experiment was carried out on the automatic identification system (AIS) data set
collected from a shipping platform. The results show that the prediction effect of the MFSTGCN model is better than the
spatio-temporal graph convolution network (STGCN) model.
Key words: waterborne traffic, navigation density, spatio-temporal correlation, graph convolution network, multiple
feature
1 引言
随着港航管理信息化的快速发展,物联网技术
被应用于我国内河通航管理。在“十二五”规划期
间,交通运输部组织开展了长三角航道网及京杭大
运河水系智能航运信息服务(船联网)应用示范工
程
[1]
。在江苏、浙江和上海地区开展了物联网关键
技术研究及攻关,建设内河水运交通感知网络,满
收稿日期:2020−05−18;修回日期:2020−07−06
通信作者:孙伟,weisun@shmtu.edu.cn
下载后可阅读完整内容,剩余7页未读,立即下载
weixin_38732811
- 粉丝: 6
- 资源: 958
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功