基于图卷积网络的乘客打车需求预测
董成祥1
魏昕1
张坤鹏2
汪永超3
杨宇辉1
1.广东工业大学机电工程学院,广东广州,5100062.河南工业大学电气工程学院,河南郑州,4500013.广东工业大学机电工程学院,广东广州,510006;广州番禺职业技术学院智能制造学院,广东广州,511483
摘要：乘客打车需求具有非线性和动态性的特点.为了提高乘客需求预测的准确性,需要充分考虑城市区域间的时空特性.针对城市中乘客的打车需求预测问题,利用图卷积网络(graph convolutional network,GCN)和长短期记忆单元(long short-term memory,LSTM)建立GCN-LSTM预测模型.在分析城市区域间时空特性的基础上,基于动态时间规整算法(dynamic time warping,DTW),将具有相似时空特性的区域重组并构建乘客打车需求图,利用图卷积网络提取需求图的空间特征;运用基于LSTM的编码器捕捉区域的时间特性;运用基于LSTM的解码器实现乘客打车需求的多区域同时、多时间步长预测.通过与传统模型的对比实验表明,本文提出的GCN-LSTM预测模型的均方根误差、平均绝对百分比误差和平均绝对误差最小,验证了所提出模型的预测准确性.
关键词：图卷积网络长短期记忆单元时空特性乘客打车需求预测
分类号：U491(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(62002101)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 98-105 )
英文信息