基于多图时空图卷积神经网络的网约车需求预测

• 作者: 周云彤 熊卫华 姜明
• 来源期刊: 计算机系统应用
• 关键词: 交通大数据 网约车需求预测 图嵌入 图卷积神经网络 注意力机制
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 软件技术 · 算法|Software Technique · Algorithm
• 页码范围: 214-218
• 页数: 5页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007911

摘要

随着时代发展,网约车已经逐渐成为当今社会的重要出行方式.这项新的出行方式大大降低了出行成本,使人们的生活更加便捷.网约车需求预测是人工智能交通系统的重要组成部分,有着良好的应用价值,但传统的研究在建模时,忽略了目的地和不同地区的社会属性相似性的影响,使得模型的特征不全面,算法预测准确率较低.针对上述问题,本文提出了一种多图时空图卷积网络(Multi-Graph Spatial-Temporal Graph Convolution Neural network,MGSTGCN),以解决网约车需求预测问题.该网络由空间与时间两个组件构成,空间问题的网络采用图卷积来对地理信息、移动信息与社会属性相似性进行建模,时间问题则使用注意力机制与LSTM网络结合进行处理.实验中,我们与四种主流网络模型进行对比分析,结果表明该模型可以更有效地捕获网约车需求数据的时间与空间的特征,提高预测的准确度.