邻域嵌入图神经网络交通管理模型

预测拥堵并优选车辆

通过联合预测拥堵和智能选择配送车辆，实现智慧城市交通的减排与效率提升。

Gupta, Kishu · Saxena, Deepika · Singh, Ashutosh Kumar · Lee, Chungnan

IEEE Transactions on Emerging Topics in Computational Intelligence 2026

参数信息

L1 损失降低率

4.03 %

L2 损失降低率

16.66 %

计算时间降低率

7.64 %

技术优势

预测更准

通过邻域嵌入的图神经网络优化，能准确预测各个配送站的交通流量水平。

选车更优

TOMu 能智能选择最合适的配送车辆来响应众包配送请求，从而降低排放、缩短行程。

应用场景

• 智慧交通管理：用于实时预测拥堵并调度车辆，减少城市交通排放。
• 城市计算：作为城市计算中的交通优化模块，辅助智慧城市决策。
• 无人机配送：为无人机配送任务智能选择合适载具，提高配送效率。