基于时空LSTM的OD客运需求预测

作者：林友芳; 尹康; 党毅; 郭晟楠; 万怀宇^*

来源：北京交通大学学报, 2019, 43(01): 114-121.

• 人工神经网络与计算
• 客运需求预测
• 时空数据
• 循环神经网络

客运需求预测是打造智能交通系统中的重要一环,精准的预测模型有助于预分配交通资源,改善用户出行体验.然而客运需求的动态时空特性导致准确预测客运需求具有很大的挑战.本文提出了一种基于时空长短期记忆网络(LSTM)的出发地—目的地(OD)客运需求预测模型(STLSTM-PDP),显式地建模了客运需求时间序列内部的时间依赖关系和序列之间的空间依赖关系,预测未来一段时间所有OD的客运需求量.在全国民航重点航线客运需求量数据集及某城市区域间出租车客运量数据集上进行了实验,结果表明:STLSTM-PDP模型优于其他现有的预测方法,其MAE比其他方法降低了4.4%～41.4%,RMSE降低了4.3%～49.1%.

• 单位
  北京交通大学; 北京久其软件股份有限公司