面向出租车需求预测的多因素时空图卷积网络

作者：路民超; 李建波^*; 逄俊杰; 李英; 董学士

来源：计算机工程与应用, 2020, 56(24): 266-273.

• 出租车需求
• 潜在空间依赖性
• 时空卷积块

精确地预测出租车需求,有助于缩短司机和乘客的等待时间,缓解交通拥堵状况。然而,目前的研究工作大都忽略了出租车历史流入量以及不同区域间潜在的空间依赖关系对出租车需求的影响。鉴于此,综合考虑多个影响出租车需求的因素,建立多因素时空图卷积网络模型(MFSTGCN),期望精确地预测出租车需求。具体地,MFSTGCN模型设计4个组件,分别建模出租车需求对临近时刻需求序列、日需求序列、出租车历史流入量序列的时间依赖性以及不同区域间的潜在空间依赖性。组件通过时空卷积块捕捉不同因素下的潜在时空表达。为了证明MFSTGCN模型的有效性,与交通预测常用的五种基准模型进行比较,并利用RMSE、MAE和MAPE三个指标进行评估。实验结果表明,融合多因素的MFSTGCN模型能够更精确地预测出租车需求。

• 单位
  青岛大学