计算机工程与科学

作者：薛桂香, 陈宇昂, 刘瑜, 郑倩, 宋建材

单位：1.河北工业大学人工智能与数据科学学院，天津 300401；2.河北工业大学土木与交通学院，天津 300401；3.天津市智能交通运行监测中心，天津 300250；4.天津商业大学信息工程学院，天津 300134

关键词：智慧港口,交通流量预测,多源异构数据融合,时空图卷积网络,

基金：天津市科技计划项目(23ZGCXQY00030)

及时准确的集卡到港量预测算法对于港口物流系统的调度优化和资源分配至关重要。由于集卡到港量受到临港路段交通情况、天气和港口作业计划等多种复杂因素影响而表现出高度非线性和复杂性特征，传统交通流量预测方法难以有效融合内、外部因素的影响并准确提取其时空相关性。针对这一问题，提出了一种基于多源异构数据融合和时空图卷积网络的混合集卡到港量预测模型MHF-STGCN，该模型采用注意力机制自适应提取港口交通流多源异构历史数据的关键信息并挖掘其动态时空演化特征。与单一交通数据相比，多源数据融合使模型MAE下降约34.99%，RMSE下降约31.10%，详细对比实验结果表明该模型在MAE、RMSE和R-Square等指标上显著优于基线模型。

来源：2025年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第3期