融合时序关联动态图与常微分方程的区域间出租车需求预测

作者：王海程; 马纪颖^*; 张苑媛; 杨绍祖

来源：计算机应用研究, 2023, 1-6.

DOI：10.19734/j.issn.1001-3695.2023.06.0317

• 需求预测
• 图卷积神经网络
• 常微分方程
• 蒸馏方案

为解决出租车行业中的高空驶率和不均衡的需求分布问题，通过对出租车出行的区域进行深入研究，提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先，模型使用ODE(ordinary differential equations)对图卷积神经网络(graph convolutional networks,GCN)进行微分方程建模，将堆叠局部特征信息抽象为动态图，以节点的时序特性来推进局部节点状态；然后，设计了一种基于注意力分数调整采样策略的蒸馏方案，提高对多层稀疏图的适应效果，以更稳定地表征复杂时空特征，最终实现对区域间出租车需求量的预测。在真实的出租车订单数据集上进行实验，研究结果表明，TCG-ODE模型的预测效果均优于对照模型和改进前的模型。通过精准预测不同区域之间出租车需求量，可以为出租车司机和乘客出行计划提供决策支持信息，从而优化供需关系。

• 单位
  沈阳化工大学