基于时空注意力机制的加油站级客流量预测

• 作者: 包恒彬 马玉鹏 杨奉毅 韩云飞
• 来源期刊: 计算机工程
• 关键词: 时空数据 客流量预测 注意力机制 卷积神经网络 长短期记忆网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 开发研究与工程应用|Development Research and Engineering Application
• 页码范围: 291-297
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057229

摘要

加油站是重要的能源供给单位,对加油站站点的下一时段客流量进行精准预测,可为相关资源的调度与分配提供决策支撑.针对加油站级客流量预测问题,结合加油站客流数据的时空特征,提出一种基于注意力机制的时空网络模型.以路网结构建模的站级客流数据为输入,结合卷积神经网络、长短期记忆网络与注意力机制,解决站点间的空间依赖、短期与长期时序依赖以及长期时序依赖中的时间漂移问题,精准预测下一时段的站级客流量.在真实数据集上的实验结果表明,与历史平均模型、长短期记忆网络模型和双向长短期记忆网络模型等基线模型相比,该模型在均方误差(RMSE)、平均绝对误差与平均绝对百分比误差上均有所提升,其中RMSE提升22.89％.