基于图卷积网络的乘客打车需求预测
董成祥, 魏昕, 张坤鹏, 汪永超, 杨宇辉
2022, 25 (5):
98-105.
doi: 10.3969/j.issn.1007-7375.2022.05.012
乘客打车需求具有非线性和动态性的特点。为了提高乘客需求预测的准确性,需要充分考虑城市区域间的时空特性。针对城市中乘客的打车需求预测问题,利用图卷积网络 (graph convolutional network, GCN) 和长短期记忆单元 (long short-term memory, LSTM) 建立GCN-LSTM预测模型。在分析城市区域间时空特性的基础上,基于动态时间规整算法 (dynamic time warping, DTW),将具有相似时空特性的区域重组并构建乘客打车需求图,利用图卷积网络提取需求图的空间特征;运用基于LSTM的编码器捕捉区域的时间特性;运用基于LSTM的解码器实现乘客打车需求的多区域同时、多时间步长预测。通过与传统模型的对比实验表明,本文提出的GCN-LSTM预测模型的均方根误差、平均绝对百分比误差和平均绝对误差最小,验证了所提出模型的预测准确性。
参考文献 |
相关文章 |
计量指标
|