一种基于深度学习的网约车流量预测方法

摘要

本发明公开了一种基于深度学习的网约车流量预测方法，属于机器学习研究领域。该方法建立了历史交通量为输入的双向长短期记忆网络模型，即以过去8‑24小时的数据作为输入，预测未来一个小时的网约车流量数据。包括(1)获取网约车运营历史数据，统计网约车流量；(2)对网约车运营数据进行流量变化分析，匹配并标记流量骤增或骤减的外部环境属性；(3)DBSCAN聚类；(4)按照信息点扩大聚类区域；(5)构建以历史交通量分布为输入的LSTM预测模型，预测未来时间段的各区域的网约车流量数据。本发明的方法提高了预测准确性，尤其是在一些特殊情况下(如极端天气、节假日、大型活动等)的预测准确性。