【技术实现步骤摘要】
本公开涉及智能交通，尤其涉及一种基于图卷积神经网络(graphconvolutional networks，gcn)的高速铁路列车晚点预测方法、装置及存储介质。
技术介绍
1、随着高速铁路网络的快速发展，列车晚点问题受到越来越多的关注。晚点不仅影响旅客的出行体验，还可能对铁路运输效率和安全产生负面影响。因此，准确预测列车晚点情况对于提高铁路运输服务质量至关重要。
2、传统的预测方法可能依赖于简单的统计分析或基于特定假设的模型，这些方法在处理复杂的列车运行数据时可能存在局限性，无法准确反映列车晚点的动态变化和传播特性。
3、关于预测列车晚点情况，相关技术中尚未提供一种合理且有效的晚点预测方法。
技术实现思路
1、有鉴于此，本公开提出了一种基于图卷积神经网络的高速铁路列车晚点预测方法、装置及存储介质。
2、根据本公开的一方面，提供了一种基于图卷积神经网络的高速铁路列车晚点预测方法，所述方法包括：
3、获取列车在前站的第一运行数据，所述前站为在所述...
【技术保护点】
1.一种基于图卷积神经网络的高速铁路列车晚点预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一运行数据包括所述列车在所述前站的第一晚点数据和第一运行计划数据，所述第一晚点数据包括所述列车在所述前站的到站时刻与计划到站时刻之间的差值，所述第一运行计划数据包括所述列车在所述前站的计划停站时间和在所述前站的车站区间的计划行驶时间。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一运行数据，调用训练完成的晚点预测模型进行晚点预测，输出得到晚点预测结果之前，还包括：
4.根据权利要求3所述的...
【技术特征摘要】
1.一种基于图卷积神经网络的高速铁路列车晚点预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一运行数据包括所述列车在所述前站的第一晚点数据和第一运行计划数据，所述第一晚点数据包括所述列车在所述前站的到站时刻与计划到站时刻之间的差值，所述第一运行计划数据包括所述列车在所述前站的计划停站时间和在所述前站的车站区间的计划行驶时间。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一运行数据，调用训练完成的晚点预测模型进行晚点预测，输出得到晚点预测结果之前，还包括：
4.根据权利要求3所述的方法，其特征在于，所述晚点预测模型用于基于所述第一运行数据和所述第二运行数据提取第一晚点特征和第二晚点特征，基于所述第一晚点特征和所述第二晚点特征确定所述晚点预测结果，所述第一晚点特征包括所述列车和所述邻近列车间相互影响的特征，所述第二晚点特征包括所述列车自身在时间序列上的特征。
5.根据权利要求4所述的方法，其特征在于，所述晚点预测模型包括图卷积模块、时间序列处理模块和全连接层，所述根据所述第一运行数据和所述第二运行数据，调用训练完成的所述晚点预测模型进行晚点预测，输出得到所述晚点...
【专利技术属性】
技术研发人员：王冲，高宇泽，董炜，孙新亚，吉吟东，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。