一种基于深度集成学习的交通稀疏需求预测方法

摘要

本发明涉及一种基于深度集成学习的交通稀疏需求预测方法，属于深度集成学习与交通稀疏需求预测的交叉技术应用领域。预测方法包括：采用六边形网格集计城市空间交通需求数据，通过设置最小需求阈值的方式获取不同稀疏度的欠采样子集；在各子集上训练相应的卷积长短期记忆交通需求预测子模型并识别各子模型的最优预测区间，进一步构建深度集成学习框架来融合各子模型的区间优点；对深度集成框架进行训练，并将训练好的模型用于实时预测。该方法融合了各稀疏条件下子模型的不同预测偏好，有效提升了在全体数据集上的预测精度。