基于可变形卷积时空网络的乘车需求预测模型

摘要

随着滴滴、Uber等出租车服务的日益普及,用户的乘车需求预测逐渐成为智慧城市、智慧交通的重要组成部分.准确的预测模型既可以满足用户的出行需求,也可以降低道路车辆空载率,有效地避免资源浪费,并缓解交通压力.车辆服务商可以收集到大量GPS数据及用户需求数据,然而,如何合理运用数据进行需求预测,是关键且实用的问题.提出一种结合城市POI的可变形卷积时空网络(DCSN)模型来预测区域乘车需求,模型包括两部分——可变形卷积时空模型与POI需求关联模型:前者即通过DCN与LSTM建模未来需求与时空之间的相关性,后者则通过区域POI差异化指数与需求差异化指数捕捉区域间的相似关系.最后使用全连接网络将两个模型整合起来,进而得出预测结果.使用滴滴出行的大型真实乘车需求数据进行实验,最终实验结果表明,所提出的方法在预测精度上优于现有的预测方法.