基于SDZ-RNN的出租车出行目的地预测方法

• 作者: 张国兴 张磊 李亚东 李想 樊庆富
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 出租车目的地预测 循环神经网络 SRTDP方法 预测准确率
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 143-149
• 页数: 7页
• 分类号: TP312
• 字数: 5610字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0110

摘要

在预测出租车目的地时,传统的马尔科夫预测方法仅仅依赖于前面2到3个GPS点,对于那种具有很长依赖关系的轨迹并不适用.为了解决这种长期依赖关系,采用循环神经网络(RNN)进行出租车目的地预测,因为RNN的多个隐藏层能够存储这种依赖关系.但是随着数据量的增大,RNN的隐藏层对较小的扰动变得十分敏感,较小的扰动就会被指数级放大,最终导致预测准确率降低.为了提高预测准确率,同时缩短训练时间,将SDZ应用到RNN中,提出一种基于SDZ-RNN的出租车目的地预测方法(SRTDP).SDZ不但能够提高SRTDP的鲁棒性,而且SDZ采用局部更新而不是全部更新的方式,降低了训练时间.实验表明,SRTDP在精度和速度上都优于RNN预测方法,预测准确率提高了12%,训练完成时间降低了7%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李想	中国矿业大学计算机科学与技术学院	13	20	3.0	4.0
2	张磊	中国矿业大学计算机科学与技术学院	174	1083	16.0	25.0
3	樊庆富	中国矿业大学计算机科学与技术学院	3	18	2.0	3.0
4	李亚东	中国矿业大学计算机科学与技术学院	7	49	5.0	7.0
5	张国兴	中国矿业大学计算机科学与技术学院	2	5	1.0	2.0