基于行程时间预测的城市车辆出行路径推荐方法

路径推荐在提高出行者出行效率、减少出行成本和平衡路网运行状态、减少时间和空间上的拥堵方面具有重要意义。通过构建动态图卷积神经网络(DGCN)对路网各路段进行多步行程时间预测,根据出行需求并考虑避让拥堵区和均衡路网因素进行车辆出行路径推荐。其中,通过GN算法对结合路网结构和流量特征构建加权网络模型进行路网分区,并结合平均行程速度和预测所得行程时间,识别拥堵区域交通状态。实验结果表明:在实例数据集上使用残差拉普拉斯矩阵DGCN Res模型进行行程时间预测,比基于注意力的时空图卷积网络模型(ASTGCN)的MAPE提高4%、RMSE提高9.2%。在此基础上进行拥堵区避让的路径选择推荐,可有效降低路网拥堵均衡指数,因此从路网全局层面考虑拥堵避让机制可减缓路网整体拥堵程度。