一种面向港口高速公路交通状态估计的航路感知图神经网络框架

《Sustainability》:A Vessel-Aware Graph Neural Network Framework for Port Motorway Traffic State Estimation

【字体: 大 中 小 】 时间:2026年07月31日 来源:Sustainability 4.1

编辑推荐:

  准确的港口高速公路网络交通状态估计(TSE)对于缓解拥堵及提升港口城市的运营效率至关重要。港口高速公路具有其特定的交通模式,例如由航路到达事件触发的集装箱卡车需求激增。考虑到这一特性,研究人员提出一种名为HGCN-VA的新型TSE方法,基于图神经网络(GNN)

  
准确的港口高速公路网络交通状态估计(TSE)对于缓解拥堵及提升港口城市的运营效率至关重要。港口高速公路具有其特定的交通模式,例如由航路到达事件触发的集装箱卡车需求激增。考虑到这一特性,研究人员提出一种名为HGCN-VA的新型TSE方法,基于图神经网络(GNN)实现实时归纳推理。该框架构建包含道路传感器与港口的异构图(heterogenous graph),同时引入基于注意力机制的影响权重学习模块,以自适应地将航路事件与其交通后果相对齐。进一步设计分层空间模块,其中初始异构扩散图卷积层显式建模港口与传感器节点间的跨域交互,随后采用标准扩散图卷积层捕捉交通传播模式。在模拟港口数据集上的广泛实验表明,HGCN-VA在TSE精度上优于基线(baselines)。消融研究进一步验证了融入航路信息及所提出的异构空间建模策略的有效性。
研究背景方面,作为全球供应链的关键节点,港口集疏运系统中道路网络的运营效率影响着港口竞争力与道路交通的可持续发展。随着国际贸易量持续增长,港口高速公路频繁发生严重拥堵,导致集装箱卡车周转时间增加、碳排放升高乃至港口运营与城市社区冲突。因此,获取准确实时的港口高速公路交通状态信息既是智慧港口的技术必要,也是可持续智能交通管理的关键赋能因素,有助于减少不必要的卡车等待与绕行,从而降低油耗与排放,最终支持更可持续的港口交通运营。由于传感器部署与维护成本高昂,仅通过检测难以获得全路网高空间分辨率的交通状态参数。交通状态估计(TSE)通过从部分观测数据推断未知交通参数来解决此局限,为全网交通控制与管理提供数据支持,但其有效性受限于部署传感器的质量与分布,这推动了交通传感器选址问题(TSLP)的研究。现有TSE方法主要关注通用高速公路并侧重道路交通数据本身,鉴于港口高速公路特异性,可考虑上游港口事件如航路到达信息进行方法开发。航路到达是港口集疏运系统需求的根本驱动,若能将航路到达信息整合入TSE方法,可预判
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号