基于Dropconnect的CorrelationNet预测乘客出租车需求

• 作者: 毛锋 沙志仁 钱宇翔 黄敏
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 乘客出租车 需求预测 深度学习 CorrelationNet dropconnect
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 86-94
• 页数: 9页
• 分类号: U491
• 字数: 5938字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2020.02.010

摘要

为了提高乘客出租车需求预测的准确性以及出租车服务的运行效率,提出一种使用Dropconnect方法的CorrelationNet.该方法包括两个阶段,时空特征选择和Dropconnec正则化.首先,预测模型在深度神经网络中添加了时空相关性分析机制,并确定了用于出租车需求预测的时空特征,形成了新的深度学习网络Correla-tionNet.然后,预测模型使用Dropconnect训练新的深度学习网络CorrelationNet,以减少过拟合.最后,在广州进行了应用试验以验证模型;采用支持向量机回归(SVR)、人工神经网络(ANN)和CorrelationNet方法,用相同的出租车GPS数据集来评估所提出方法的性能.实验结果表明,该方法优于其它几种方法,更适合于乘客出租车需求预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄敏	中山大学智能工程学院	134	894	15.0	23.0
3	沙志仁		4	0	0.0	0.0
6	毛锋	中山大学智能工程学院	3	1	1.0	1.0
10	钱宇翔	中山大学智能工程学院	2	0	0.0	0.0