异质节点协同预测
面向网络的铁路延误预测模型，能够捕捉列车与车站等异质实体间的交互，预测精度超过90%。
李忠灿 · 黄平 · 文超 · 董炜 · 吉吟东 · Rodrigues, Filipe
Applied Soft Computing Journal 2024
模型结合GraphSAGE与HetGNN架构，能基于不同类型边捕捉列车、车站等异质节点间的交互。
可接受变长输入，无需像传统机器学习那样要求统一维度，便于处理铁路网络动态结构。
在3分钟误差容许下，10/20/30分钟预测时域的准确率均超过90%，优于现有方法和先进异构图神经网络。
模型能够处理各种类型节点，在不同子网和预测时域上保持良好性能。