基于GCN图神经网络的公交到站预测方法、计算机及介质

摘要

本发明公开了基于GCN图神经网络的公交到站预测方法、计算机及介质，方法中：对轨迹点进行地图匹配，防止GPS的测量误差引入不可靠的因素，同时考虑了前后轨迹点的时空关系，根据时间和速度得到预计点，利用投影位置与预计点的误差求状态转移概率来筛选最佳匹配位置。利用图神经网络预测站间行程时间，由于公交网络在结构上是一种图结构，故该预测模型相比传统模型更适用于此任务，预测效果也更好。将到站时间预测分为两部分分别进行，即基于图神经网络的站间行程时间预测和基于LSTM的到站时间预测，既利用了LSTM在短期预测的高可靠性，又避免在中长期预测中对行程时间重复进行预测，造成计算资源的浪费。