一种基于深度学习的班列到港预测方法
本发明公开了一种基于深度学习的班列到港预测方法,包括:步骤一:采集班列运行轨迹数据与运行环境数据;步骤二:进行特征编码,生成轨迹特征序列和环境特征序列;步骤三:将轨迹特征序列和环境特征序列输入至改进型AttentionTTE网络提取轨迹特征并融合环境语义,生成环境‑轨迹特征向量;步骤四:基于环境‑轨迹特征向量进行多任务预测;步骤五:基于多任务预测结果,执行调度控制操作;步骤六:实时采集反馈数据,并通过预测误差损失与目标感知对比损失联合优化改进型AttentionTTE网络和模型参数;步骤七:将优化后的模型参数进行版本并部署。本发明提升了班列到港预测的准确性与调度响应的智能化水平。