基于深层时空图卷积网络的短时到港客流时空分布预测

摘要

针对空港综合交通枢纽各区域短时到港客流感知能力较弱的问题，提出一种基于深层时空图卷积网络的预测方法。以空港综合交通枢纽的空间连通特点和到港旅客的行为规律为依据，构建深层图卷积网络提取临近时间段内到港客流量分布的空间特征，并运用门控循环单元提取空间特征序列的时间依赖性，同时利用当前与历史航班信息对预测结果进行修正，实现对目标时间段内各区域内到港客流的预测。基于国内某大型空港综合交通枢纽内到港客流的历史数据展开验证，结果表明，与代表性的预测模型（历史均值模型、自回归差分滑动平均模型、支持向量机回归模型、长短时记忆神经网络、门控循环单元模型、时间图卷积网络）相比，该方法在测试集上的均方根误差和平均绝对值误差均取得最小值，相较于预测精度第二的时间图卷积网络，预测时间范围为5、15、30 min时，均方根误差分别降低了4.19%、7.15%、7.79%，平均绝对值误差分别降低了9.72%、5.05%、8.89%，说明该方法能够更真实地反映不同区域不同时间段内的客流变化趋势，有助于合理地进行空港综合交通枢纽的运力资源配置。

关键词

航空运输 / 短时客流预测 / 深层图卷积网络 / 航班信息修正 / 深度学习 / 空港综合交通枢纽