基于Dropconnect的CorrelationNet预测乘客出租车需求

作者：黄敏; 毛锋; 钱宇翔; 沙志仁

来源：中山大学学报(自然科学版), 2020, 59(02): 86-94.

DOI：10.13471/j.cnki.acta.snus.2020.02.010

• 乘客出租车
• 需求预测
• 深度学习
• CorrelationNet
• dropconnect

为了提高乘客出租车需求预测的准确性以及出租车服务的运行效率,提出一种使用Dropconnect方法的CorrelationNet。该方法包括两个阶段,时空特征选择和Dropconnec正则化。首先,预测模型在深度神经网络中添加了时空相关性分析机制,并确定了用于出租车需求预测的时空特征,形成了新的深度学习网络CorrelationNet。然后,预测模型使用Dropconnect训练新的深度学习网络CorrelationNet,以减少过拟合。最后,在广州进行了应用试验以验证模型;采用支持向量机回归(SVR)、人工神经网络(ANN)和CorrelationNet方法,用相同的出租车GPS数据集来评估所提出方法的性能。实验结果表明,该方法优于其它几种方法,更适合于乘客出租车需求预测。

• 单位
  广东方纬科技有限公司; 中山大学