基于作息时空特征优化神经网络的出租车乘客候车时长预测

• 作者: 雷永琪 李娜 陈智军 何渡 张雨昂
• 来源期刊: 软件导刊
• 关键词: 时空大数据 时空特征 神经网络 城市计算 多源数据
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 29-37
• 页数: 9页
• 分类号: TP306
• 语种: 中文
• DOI: 10.11907/rjdk.211390

摘要

候车时长是出租车乘客选择乘车点的重要判断依据,对实现人工智能趋势下的智慧交通具有重要意义.针对出租车乘客候车时间长、打车难等问题,提出一种利用作息时空特征优化神经网络的候车时间预测模型.该模型将出租车轨迹、城市兴趣点和时间作息片段等多源数据映射至50m*50m的精细地理网格中,以网格为单位,利用作息时空特征优化的神经网络对出租车行驶时空规律进行训练建模,从而预测在一定时空约束条件下空驶出租车的乘客候车时长.实验结果表明,精细的网格粒度和作息时空特征能帮助神经网络模型学习到更精确的运载规律知识,提高候车时长预测准确率.该方法为城市居民的智慧出行提供了科学合理的决策参考.