基于GWO-LSTM的网约车需求短时预测模型

摘要

为平衡网约车供需,支持车辆调度,该文研究了灰狼优化算法(GWO)优化参数的长短期记忆神经网络(LSTM)在网约车出行需求短时预测中的应用.研究了网约车出行需求时空特性,进行了影响因素的相关性分析;提出GWO改进LSTM的网约车需求短时预测模型;以实际数据验证了模型有效性并与其他模型进行对比.结果表明,相较于传统的LSTM网络及BP神经网络,该优化模型平均绝对误差分别提升了36.89％和52.12％,均方根误差分别提升了34.45％和48.16％;优化效果显著.