基于时空多图卷积循环网络的网约车需求预测

• 作者: 黄官伟 郭巍
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 网约车需求预测 图卷积 多图融合 门控循环单元
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 学术研究与应用|Academic research and application
• 页码范围: 16-21
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2021.12.005

摘要

随着智能交通系统的发展,网约车逐渐成为城市居民出行的主要方式之一.精确的网约车需求预测,可以合理地指导车辆调度、减少等待时间,已受到越来越多学者的广泛关注.然而,现有研究考虑的交通拓扑图结构比较单一,难以全面捕获空间依赖关系.因此,本文提出了一种时空多图卷积循环网络(Spatial-Temporal Multi-Graph Convolutional Recurrent Net-work,STMGCRN),用以提高网约车需求预测精度.该模型利用3个子模型分别提取需求的3种时间特征,每一个子模型由多图卷积循环单元构成.该单元在门控循环单元的基础上增加了多图卷积,先通过多图卷积学习不同视角下区域之间的相关性,来捕获空间依赖关系,再通过门控循环单元学习需求数据的动态变化,来捕获时间依赖关系,最后将3个子模型的输出进行加权融合.经在真实网约车数据集上进行对比实验结果表明,该模型在需求预测方面优于其它主流模型.