《表4 预测模型准确性比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于实时出行需求和交通路况的电动汽车充电负荷预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于滴滴平台的2018年10月和11月出行轨迹数据和交通流量数据对时空图谱注意力网络进行训练，将前49天数据作为训练集，对剩余12天数据进行测试，并与文献[10]中的T-GCN模型进行准确性比较，基于均方根误差（root mean square error，RM SE）和平均绝对误差（mean absolute error，M AE）的评价结果如表4所示。随着预测的时间跨度增大，误差会相应增加，但ST-GAT的准确性均比T-GCN要高，这表明对于时空分布数据，图深度学习技术可以有效挖掘其时空依赖特征，并且引入注意力机制可以提高长期预测效果。