基于流式时序链接预测的实时出行OD需求预测方法及系统技术方案

本发明专利技术公开了基于流式时序链接预测的实时出行OD需求预测方法及系统，应用于交通预测和智能运输技术领域，基于OD需求数据构建动态有向图；构建流式时序连接实时OD需求预测模型，利用编码器‑解码器架构进行持续预测未来出行需求。本发明专利技术结合图神经网络(GNN)和流式时间链接预测(TLP)模型，实现了在细粒度时间和空间尺度下的实时OD需求预测。该方法能够更准确地识别和预测未来的出行需求变化，为网约车、拼车服务等提供更高效的调度优化方案，解决了传统出行需求预测方法在实时性和精确度上的局限性。

【技术实现步骤摘要】

本专利技术涉及交通预测和智能运输，更具体的说是涉及一种基于流式时序链接预测的实时出行od需求预测方法及系统。

技术介绍

1、乘客出行需求预测相关研究的目的是根据历史出行数据来预测未来乘客出行od的时空分布。多年来，基于丰富的出租车或网约车行程数据，随着数学建模与机器学习算法的发展，相关领域积累了大量的研究。近年来，随着大数据、数学建模以及机器学习等技术的发展，出行需求预测领域的研究也处于高速发展期。早期的需求预测方法一般预测出行需求的热点区域，例如通过聚类算法挖掘了历史数据中的信息来预测未来的出租车出行需求热点，相似的方法也被其他学者提出并开展了相似的研究。虽然这类研究能够支撑长期的交通规划，但需求热点预测在时间和空间维度上往往是低精度的。

2、时空分布预测模型可以改善出行预测方法并给出精确的出行需求起点坐标和时间信息，这类方法预测了二位空间内的需求起点随着时间变化而是否存在，因此结合了卷积神经网络(convolutional neural network,cnn)和循环神经网络(recurrent neuralnetworks,rnn)的数学本文档来自技高网...

【技术保护点】

1.基于流式时序链接预测的实时出行OD需求预测方法，其特征在于，包括如下具体步骤：

2.根据权利要求1所述的基于流式时序链接预测的实时出行OD需求预测方法，其特征在于，构建动态有向图具体步骤如下：

3.根据权利要求1所述的基于流式时序链接预测的实时出行OD需求预测方法，其特征在于，所述编码器-解码器架构中的编码过程具体包括如下步骤：

4.根据权利要求3所述的基于流式时序链接预测的实时出行OD需求预测方法，其特征在于，所述时序随机游走方法具体步骤如下：

5.根据权利要求3所述的基于流式时序链接预测的实时出行OD需求预测方法，其特征在于，有向边...

【技术特征摘要】

1.基于流式时序链接预测的实时出行od需求预测方法，其特征在于，包括如下具体步骤：

2.根据权利要求1所述的基于流式时序链接预测的实时出行od需求预测方法，其特征在于，构建动态有向图具体步骤如下：

3.根据权利要求1所述的基于流式时序链接预测的实时出行od需求预测方法，其特征在于，所述编码器-解码器架构中的编码过程具体包括如下步骤：

4.根据权利要求3所述的基于流式时序链接预测的实时出行od需求预测方法，其特征在于，所述时序随机游走方法具体步骤如下：

5.根据权利要求3所述的基于流式时序链接预测的实时出行od需求预测方法，其特征在于，有向边的特征向量转化具体步骤如下：

6.根据权利要...

【专利技术属性】
技术研发人员：涂辉招，杨逸彬，李浩，孙立军，马杰，高乐心，
申请(专利权)人：同济大学，
类型：发明
国别省市：