基于邻居嵌入图神经网络的智慧城市人群配送交通管理

《IEEE Transactions on Emerging Topics in Computational Intelligence》:Neighbor-Embedded Graph Neural Network-Based Crowd Delivery Traffic Management in Smart City

【字体: 大 中 小 】 时间:2026年03月19日 来源:IEEE Transactions on Emerging Topics in Computational Intelligence 6.5

编辑推荐:

  智能交通系统(SMT)面临车辆激增带来的拥堵挑战,现有方法侧重拥堵预测却忽略减碳、缩短时间和距离等核心目标。本研究提出邻域嵌入图神经网络(NeCDM)模型,包含流量预测单元(利用GNN优化节点间流量)和智能调度单元(基于CDR需求选择最优配送车辆),在L1/L2损失和计算效率上分别提升4.03%/16.66%,并减少7.64%计算时间。该模型验证了人群配送作为SMT可行路径,符合智慧城市参数(SCPs)。

  

摘要:

随着车辆流量的大幅增加,实现全球范围内的智能移动化和交通(SMT)目标面临着严峻挑战。目前的方法主要集中在通过拥堵预测来管理车辆流量,但在实现减少交通拥堵和选择合适的车辆以缓解智能城市中的交通问题等方面存在不足。为了解决这些问题,本文提出了一种基于邻居嵌入图神经网络(NeCDM)的群体配送交通管理模型,该模型包含两个关键组成部分:交通拥堵预测单元(TCPu)和交通观测与管理单元(TOMu)。TCPu利用图神经网络(GNN)优化技术,准确预测智能城市生态系统内各个配送站的交通流量水平。同时,TOMu能够智能地选择最适合执行群体配送任务的车辆。本文强调了群体配送作为实现SMT目标的可行方案的潜力,同时符合智能城市的各项要求,如减少碳排放、缩短行驶时间以及最小化行驶距离。所提出的模型在计算效率方面取得了显著提升,L1损失降低了4.03%,L2损失降低了16.66%,计算时间减少了7.64%。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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