基于GWO-LSTM的网约车需求短时预测模型

作者：许伦辉; 郭雅婷

来源：自动化与仪表, 2020, 35(05): 86-90+108.

DOI：10.19557/j.cnki.1001-9944.2020.05.018

• 预测模型
• 网络预约出租汽车服务
• 短时交通
• 长短期记忆神经网络
• 灰狼优化算法
• 城市交通

为平衡网约车供需,支持车辆调度,该文研究了灰狼优化算法(GWO)优化参数的长短期记忆神经网络(LSTM)在网约车出行需求短时预测中的应用。研究了网约车出行需求时空特性,进行了影响因素的相关性分析;提出GWO改进LSTM的网约车需求短时预测模型;以实际数据验证了模型有效性并与其他模型进行对比。结果表明,相较于传统的LSTM网络及BP神经网络,该优化模型平均绝对误差分别提升了36.89%和52.12%,均方根误差分别提升了34.45%和48.16%;优化效果显著。

• 单位
  华南理工大学