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。