科研之友
微信
新浪微博
Facebook
分享链接
摘要
动态的交通需求对于开发有效的实时交通管理和控制策略、算法至关重要。准确预测网约车需求具有一定的挑战性，但对智能交通系统的发展具有重要作用，有助于协调区域内的网约车供需,提高车辆的利用率，为乘客减少等待时间。文章提出一种时空门控多图卷积网络（Spatial-Temporal Gated Multi-Graph Convolutional Network,STGMGCN）模型，使用门控循环单元挖掘时间特征，并研究了三种不同的图卷积网络挖掘空间上的相关性。文章首先使用门控循环（GRU）单元提取研究区域的网约车的需求的时间相关性，之后构建三种不同图结构提取空间特征包括邻近关系图、功能相似性图、交互关系图并对输出结果进行融合，得到最终的预测结果；最后将该研究模型在真实网约车数据集上与基准模型进行对比实验，实验结果表明该模型的预测性能优于其他模型。
- 单位
