一种城市出租车需求预测系统及方法技术方案

本发明专利技术公开了一种城市出租车需求预测系统及方法，预测系统包括数据预处理模块、数据转换模块、出租车需求预测模块和结果处理模块。预测方法为：(1)获取目标区域的历史出租车需求数据；(2)使用谱域图卷积网络对出租车的拓扑结构进行编码，从而获得拓扑结构相关性，同时参考该区域功能相似性的其他区域的使用需求来建模空间相关性，使用门控循环单元对时间相关性进行建模，将空间相关性与时间相关性相结合，完成对出租车使用需求时空相关性的分析。(3)根据输入的历史出租车需求数据对目标区域某一时间段的出租车需求预测。本发明专利技术将谱域图卷积神经网络与门控循环单元结合，考虑时间周期性与区域间的功能相似性对出租车需求的影响，实现对未来时间戳中某个区域的出租车需求预测。需求预测。

【技术实现步骤摘要】
一种城市出租车需求预测系统及方法


[0001]本专利技术涉及时空需求预测，尤其涉及一种城市出租车需求预测系统及方法。

技术介绍

[0002]出租车需求预测作为智能交通系统中的一项重要任务，引起了广泛的研究兴趣，它具有复杂的空间和时间依赖性，要实现对出租车需求的准确预测，需要充分考虑交通需求的时间相关性和空间相关性。
[0003]时空网络的需求预测问题是构建智慧城市高效交通运输系统的关键。准确的出租车需求预测可以指导车辆调度，提高车辆利用率，缓解交通拥堵，改善乘客乘车体验。时空网络中的节点根据路网的拓扑结构具有空间相关性，出租车的请求数据在不同时间间隔内具有时间相关性，因此出租车使用需求具有复杂的空间和时间依赖性，要实现对交通需求的准确预测，需要充分考虑交通需求的时间相关性和空间相关性。传统的神经网络模型不能很好的反应复杂的拓扑结构相关性，并且不针对区域间的功能相似性进行建模，仍存在以下局限性：
[0004](1)传统的卷积神经网络主要通过卷积核从整个数据集中提取局部特征，卷积算子的定义取决于平移不变性和局部连结性，然而城市路网是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市出租车需求预测系统，其特征在于：包括：数据预处理模块，用于对数据集进行清洗去除冗余数据，其次对数据进行整合重构；数据转换模块，用于将出租车历史订单数据转换为具有相同时间间隔的需求数据；出租车需求预测模块，用于对目标区域未来一段时间内的出租车使用需求进行预测；结果处理模块，用于对预测结果进行数据可视化。2.一种城市出租车需求预测方法，其特征在于：包括以下步骤：(1)获取目标区域的历史出租车需求数据；(2)使用谱域图卷积网络对出租车使用需求的拓扑结构进行编码，从而获得拓扑空间相关性，同时参考该区域功能相似性的其他区域的使用需求来建模空间相关性，使用门控循环单元对时间相关性进行建模，将空间相关性与时间相关性相结合，完成对出租车使用需求时空相关性的分析；(3)根据输入的历史出租车需求数据对目标区域未来一段时间的出租车需求进行预测。3.根据权利要求2所述的城市出租车需求预测方法，其特征在于：步骤(2)中，使用门控循环单元来捕捉出租车历史订单数据的动态变化，对时间相关性进行建模。4.根据权利要求2所述的城市出租车需求预测方法，其特征在于：步骤(2)中的拓扑空间相关性公式为：其中，X
l
表示第l层的特征，β
k
是可训练参数，σ是激活函数。5.根据权利要求2所述的城市出租车需求预测方法，其特征在...

【专利技术属性】
技术研发人员：薛晓田，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：