基于时空特征提取和深度学习的出行需求预测模型

作     者：熊文磊 王升 张文波 刘志远 贾若 XIONG Wen-lei;WANG Sheng;ZHANG Wen-bo;LIU Zhi-yuan;JIA Ruo

作者机构：中交第二公路勘察设计研究院有限公司武汉430100 东南大学交通学院南京211189 

基　　金：中交集团科技研发项目(2019-ZJKJ-ZDZX02) 国家自然科学基金青年科学基金(52002064) 教育部人文社会科学研究青年基金(20YJC630216) 国家重点研究发展计划(2018YFB1600900) 

出 版 物：《武汉理工大学学报》 (Journal of Wuhan University of Technology)

年 卷 期：2021年第43卷第2期

页      码：35-41,64页

摘      要：考虑到城市交通系统中时间和空间维度的复杂影响,重点针对模型的输入特征进行研究,分别使用长短时记忆神经网络和卷积神经网络,对时间特征和空间特征进行加工,提出了一种适用于出行需求预测的时空特征提取方法,同时借助全连接层融合时空特征实现对出行需求预测,提升出行需求的预测效果。基于滴滴开源成都数据,对比传统预测模型,文中研究对均方根误差等指标进一步降低5%以上。

主 题 词：城市交通 出行需求预测 深度学习 时空特征 长短时记忆网络 卷积神经网络 

学科分类：08[工学] 082303[082303] 082302[082302] 0823[工学-农业工程类] 

D　O　I：10.3963/j.issn.1671-4431.2021.02.007

馆 藏 号：203104856...