基于时空循环卷积网络的城市区域人口流量预测

发布时间：2021-06-11 09:33

　　城市区域人口流量的准确预测可以为交通监管和市民出行提供有效的决策支持。城市各区域人口流量同时具有时间维度上的变化规律和空间维度上的相关性,这给流量的精准预测带来了极大的挑战。文中提出了一种基于注意力机制的时空循环卷积网络（ASTRCNs）模型,可以全面地对影响区域人口流量的多种因素进行统一建模。ASTRCNs共包含3个组件,分别用于描述人口流量的短时依赖关系、日周期规律、周周期规律。在真实的北京市人口流量数据集上进行了实验,结果表明ASTRCNs模型的预测效果优于传统的时间序列预测模型以及其他现有的基于深度学习的人口流量预测模型。 

【文章来源】：计算机科学. 2019,46(S1)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 相关工作
3 问题定义
4 基于注意力机制的时空循环卷积神经网络模型
    4.1 问题分析
    4.2 模型结构
    4.3 模型训练
5 实验与结果分析
    5.1 数据集
    5.2 数据预处理
    5.3 基准方法与评价指标
    5.4 实验分析
    5.5 ASTRCNs在不同参数下的实验结果



本文编号：3224279