基于深度聚合神经网络的网约车需求时空热度预测方法

摘要

本发明提出了基于深度聚合神经网络的网约车需求时空热度预测方法，实现了需求热度的准确预测，通过互联网下载网约车订单数据，获取天气数据，通过在线地图API接口，获取城市区域POI数据；对以上数据进行预处理为外部环境变量、时空变量、空间变量数据，分为训练集和测试集两个部分；将训练集数据深度聚合神经网络模型包括依次序连接的一个输入层、一个隐藏层、融合层F1、融合层F2；再将误差最小化；直到精度到达设定阈值训练完成，将测试集数据输入训练完的模型中，预测网约车需求；采用采用均方误差和平均绝对误差计算准确率用于模型评价。