基于多任务共预测神经网络的城市出租车需求预测方法

摘要

本发明属于智能交通系统领域，具体涉及了一种基于多任务共预测神经网络的城市出租车需求预测方法，旨在解决现有技术不考虑下车需求导致出租车需求预测精度达不到预期的问题。本发明包括：将城市划分为网格，连续时间离散为时间块，并将一段时期内城市出租车载客的实时数据归到各网格的各时间块内，统计上下车需求量来训练可同时预测两种需求的多任务共预测神经网络，该神经网络可用于预测未来时间段内出租车的上下车需求量。本发明将出租车需求预测问题建模为上车和下车需求的时序预测问题，同时捕捉上车和下车需求之间的差异和联系，预测精度高、泛化性能好，有助于出租车管理部门合理配置出租车资源以解决城市不同区域出租车供求不平衡的问题。