基于AM-LSTM模型的共享单车时空需求预测

作者：许淼; 刘宏飞; 初凯^*

来源：湖南大学学报(自然科学版), 2020, 47(12): 77-85.

DOI：10.16339/j.cnki.hdxbzkb.2020.12.010

• 城市交通
• 需求预测
• AM-LSTM
• 共享单车
• 时空特征
• 数据可视化

为准确预测城市不同区域的共享单车需求量,解决区域间供需不平衡问题,在对上海市共享单车数据进行时空特征可视化分析的基础上,研究共享单车的出行分布规律.针对时间出行分布的非严格周期性,提出了一种引入注意力机制的长短时记忆网络预测模型AM-LSTM.利用Spearman相关性分析法分析特征影响因素,提取模型特征值.分别构建不同输入序列的预测模型,与传统时序预测模型进行对比分析.结果表明,采用30 min时间间隔的输入序列具有较高的预测精度,AM-LSTM模型能够较好地预测共享单车的出行需求量,预测精度优于单一的LSTM模型.最后对预测曲线进行相关度分析,验证了AM-LSTM模型的预测性能,可以为城市共享单车的调度及分配提供有效信息.

• 单位
  吉林大学; 吉林警察学院