基于深度学习的网约车乘客需求预测

发布时间：2020-03-27 21:52

【摘要】：乘客需求预测是智能交通系统的重要组成部分。一个精确的预测模型能够帮助车辆系统更加合理地分发订单和调度车辆,进而缓解供需矛盾。这不但能减少能源浪费还能有效缓解城市交通拥堵。滴滴和Uber这类在线打车系统的流行使我们有能力持续地获得大规模的乘客需求数据,如何利用这些数据提升需求预测的精度是一个有趣又关键的问题。传统的需求预测方法大多基于时间序列预测技术,这种技术无法对非线性的时空关系进行有效建模。最近深度学习技术在计算机视觉和自然语言处理等领域取得了重大突破,这启发我们使用深度学习技术来解决交通预测问题。现有的大多数交通预测方法都只独立地考虑了空间相关性和时间相关性,并且主要针对单步预测场景。本文以全新的图视角看待网约车系统,使用结构化的循环单元同时对空间相关性和时间相关性进行建模,提出了基于编码器-预测器架构的混合时空图卷积循环网络ST-HGCRN。该模型可以同时预测城市中n个不规则的区域在未来k个时段内的乘客上下车需求量。本文的工作和贡献可以总结为以下三点:(1)提出基于高相关节点的空间相关性建模方法,简称“高相关点法”。首先从不同的角度对城市区域之间的需求相关性进行量化并生成多张区域关系图,然后通过utopk节点选择保留相关性较高的节点,最后利用混合图卷积整合高相关节点的信息。此方法比基于卷积神经网络的空间相关性建模方法更加有效地利用了各地点需求量之间的相互影响。(2)提出结构化的循环单元HGCRU,并结合编码器-预测器架构进行多步需求量预测。我们使用混合图卷积对循环神经网络进行了结构化改造,使它可以利用数据的空间结构,能够同时对空间相关性和时间相关性进行建模。HGCRU有HGCLSTM和HGCGRU两种具体实例,我们结合这两种实例和编码器-预测器架构设计了ST-HGCRN网络,该网络能够有效地解决多步需求量预测问题。(3)在真实的数据集上进行多项对比实验,通过大量的对比实验分析我们的模型与对比模型的性能表现以及各种参数对它们的影响。在所有对照实验中,我们的模型在多数情况下都超越了对比模型,且模型的最优变种取得了15%以上的性能提升,表现出了相当的竞争力。各项自我对照实验也证明了网络中各个组件的必要性。
【图文】：

区域A的需求量变化

区域B的需求量变化
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;F572;F274;TP18

【相似文献】

相关期刊论文 前10条

1 李欣奕;;旅游需求预测理论基础与方法研究[J];营销界;2019年47期

2 冬晓;;全国农药药械需求预测会商会在杭州召开[J];农业技术与装备;2011年22期

3 陶伟;倪明;;中西方旅游需求预测对比研究:理论基础与模型[J];旅游学刊;2010年08期

4 于汶加;王安建;王高尚;;解析全球能源需求预测结果及相关模型体系[J];资源与产业;2009年03期

5 Paul Clarke;Rob West;杨浩;;滚动需求预测[J];新理财;2007年10期

6 唐中君;个性化需求预测的基本原则研究[J];湖北经济学院学报;2005年04期

7 袁长伟 ,吴群琪;对运输需求预测理论的再认识[J];综合运输;2005年01期

8 张小明;日本W,Mo需求预测[J];稀有金属快报;2004年05期

9 鲁青;国际PTFE需求预测[J];国际化工信息;2004年07期

10 ;亚洲PTA需求增长20%/年[J];合成技术及应用;2003年04期

相关会议论文 前10条

1 陈琳;李田;;存在竞争性制造商的需求预测信息的共享研究[A];第十八届中国管理科学学术年会论文集[C];2016年

2 张建业;沈佳;邹岳琳;罗义旺;潘建笠;陈奎印;;全业务统一数据中心架构下的电网协议库存采购物资需求预测[A];2017电力行业信息化年会论文集[C];2017年

3 宋国青;;从总需求预测的角度看利率[A];2013年秋季CMRC中国经济观察（总第35期）[C];2013年

4 聂锐;张炎治;吕涛;;江苏省能源需求预测及平衡方案设计[A];2006年江苏省哲学社会科学界学术大会论文集（上）[C];2006年

5 曹雪柠;;公共自行车短时预测方法研究[A];创新驱动与智慧发展——2018年中国城市交通规划年会论文集[C];2018年

6 马树德;;卷烟订单需求预测的特点及模型构建[A];上海市烟草专卖局2007年度获奖论文集（经济管理类）[C];2007年

7 唐家文;;基于灰色预测的通用航空发展需求预测[A];2013年中国通用航空发展论坛论文集[C];2013年

8 何忠伟;;“十一五”期间中国农业发展对财政投入的需求预测[A];农村公共品投入的技术经济问题——中国农业技术经济研究会2008年学术研讨会论文集[C];2008年

9 张淼;;北京市能源需求预测及发展对策研究[A];北京市第十五次统计科学讨论会获奖论文集[C];2009年

10 毕波;;基于能源统筹的市政设施需求预测[A];多元与包容——2012中国城市规划年会论文集(07.城市工程规划)[C];2012年

相关重要报纸文章 前10条

1 本报记者 张正虹;铂金需求预测[N];中国黄金报;2019年

2 记者 王婧;欧佩克下调全球石油需求预测[N];经济参考报;2019年

3 刘新伟;2019年我国下游行业发展及用钢需求预测[N];世界金属导报;2019年

4 本报记者 姚金楠;“机器学习”或将破解家庭能源需求预测难题[N];中国能源报;2019年

5 本报记者 阎密;零售业数字化：已起步，，正优化[N];国际商报;2017年

6 本报记者 任e

本文编号：2603440