基于TMM-LSTM的出租车目的地预测

摘要

近年来,随着城市化进程的加快,城市中的出租车数量越来越多,并且由于出租车的特殊性,一直活跃在城市路网中,在城市交通流中占比较大。准确地预测出租车目的地,并合理地调度出租车,对城市交通管理、合理利用交通资源有重要的意义。出租车目的地预测中一直存在着长期依赖问题,即轨迹序列的预测结果与依赖前面点的距离较长,较长的距离使得在反向传播的过程中,容易产生梯度消失或梯度爆炸,使得误差较大。为了更有效地解决长期依赖问题,文章采用树形存储模块(Tree Memory Module)来增强LSTM,并将增强的LSTM应用于出租车出行目的地预测。通过实验证明,TMM-LSTM相比较LSTM,预测精度能提升约6%。