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

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。