基于LSTM的共享单车需求预测
李颖宏
马勇
摘要：基于交通流预测理论,根据共享单车轨迹数据,研究共享单车出行的时空特性规律.首先,针对出行规律所具有的时间序列特性,建立基于LSTM的线性回归预测模型;其次,针对不同地域间出行的自流动性和关联性,在提出的预测模型基础上,将轨迹数据中挖掘的不同距离特征纳入预测模型,兼顾了共享单车系统不同区域间的空间属性.以已有的300万用户出行记录为基础,将该模型应用于北京共享单车出行需求预测,其结果与已有共享单车需求预测模型的结果相比,精度有明显的提高.
关键词：循环神经网络时间序列特性关联共享单车预测
论文发表日期：2019-01-01
页数：4( 1-4 )
英文信息