山东大学学报(工学版)

作者：那绪博,张莹,李沐阳,陈元畅,华云鹏

单位：华北电力大学控制与计算机工程学院, 北京 102206

关键词：ConvGRU,网约车需求预测,时空特征提取,时空预测模型,卷积神经网络,

基金：国家自然科学基金资助项目(52078212)

为提高网约车需求预测的准确率,提出结合卷积神经网络(convolutional neural network, CNN)和卷积门控循环单元(convolutional gate recurrent unit, ConvGRU)的出发地-目的地需求预测分析(origin-destination demand prediction with CNN and ConvGRU, ODCG)模型。ODCG模型的网络结构分为局部空间特征(local spatial feature, LSF)提取模块、时间演化特征(time evolution feature, TEF)提取模块、全局关联模块(global association module, GCM)和输出层。LSF提取模块利用CNN分别处理出发地视图和目的地视图,得到网约车需求的局部空间依赖性;TEF提取模块将网约车需求的局部空间信息、天气信息和订单序列关联度信息整合到ConvGRU中,分析网约车的需求;GCM模块整合所有区域之间的相关性,通过将所有区域特征加权求和得到全局相关性,并将相应区域之间的相似度定义为权重。试验结果表明,ODCG模型在网约车需求预测中优于其他基线模型,同时提高了网约车需求预测的准确率。

来源：2023年第5期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第5期