基于深度时空卷积网络的民航需求预测

• 作者: 万怀宇 吴丽娜 康友隐 张宇翔 林友芳
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 民航需求预测 在线机票查询 时间序列曲线 卷积神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能交通和数据挖掘
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP182
• 字数: 5805字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.02.001

摘要

在线机票预订网站上的用户查询量变化是真实的民航市场需求变化的反映.通过对机票查询数据进行分析,可以准确地预测航班需求,以利于民航业做出快速的市场反应.提出了一种基于深度时空卷积神经网络的民航需求预测模型(DSTCN-FRP),将用户查询量时间序列数据转换成航线网格图,设计多层卷积神经网络来捕捉用户需求与查询数据之间的时间和空间依赖,同时加入节假日等外部因素,最后得到未来一段时间内的民航需求量.在莱在线订票网站的真实查询数据集上进行了实验,结果表明:DSTCN-FRP模型优于其他现有的预测方法,其MAE比其他方法降低了15％～50％,RMSE降低了12％～28％.