城市车辆订单需求预测方法、装置、设备以及存储介质制造方法及图纸

本发明专利技术实施例提供了一种城市车辆订单需求预测方法、装置、设备以及存储介质。该方法包括：在预设空间分辨率下将城市划分为多个网格区域，以此获取多个时间步长内的城市车辆订单需求OD矩阵；以前T个时间步长内的城市车辆订单需求OD矩阵为样本，以下一个时间步长内的城市车辆订单需求OD矩阵为标签，构建数据集；计算任意两个网格区域之间的需求相似度，以此构建需求相似度矩阵；根据需求相似度矩阵，构建不规则卷积长短时记忆神经网络；使用数据集对构建的不规则卷积长短时记忆神经网络进行训练，得到城市车辆订单需求预测模型，进而基于该模型来准确预测城市车辆订单需求，提高预测精度。

【技术实现步骤摘要】

本专利技术涉及计算机，尤其涉及一种城市车辆订单需求预测方法、装置、设备以及存储介质。

技术介绍

1、随着计算能力的提升，机器学习和深度学习模型越来越多地被应用于城市车辆订单需求预测，例如：支持向量机、随机森林、贝叶斯网络、马尔可夫模型、神经网络和混合深度学习模型。尤其是深度学习模型在近十年中引起了广泛关注，许多模型都用于预测车辆订单需求，例如：卷积神经网络、循环神经网络及其变体、用于顺序预测的编码器-解码器和注意力机制，以及用于图形知识学习的图卷积网络。但是这些方案大多忽略了区域之间的需求相关性，普遍预测精度较差。

技术实现思路

1、第一方面，本专利技术实施例提供了一种城市车辆订单需求预测模型训练方法，该方法包括：

2、在预设空间分辨率下将城市划分为多个网格区域，以此获取多个时间步长内的城市车辆订单需求od矩阵；

3、以前t个时间步长内的城市车辆订单需求od矩阵为样本，以下一个时间步长内的城市车辆订单需求od矩阵为标签，构建数据集；

4、计算任意两个网格区域之间的需求相似度本文档来自技高网...

【技术保护点】

1.一种城市车辆订单需求预测模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在所述以前T个时间步长内的城市车辆订单需求OD矩阵为样本，以下一个时间步长内的城市车辆订单需求OD矩阵为标签，构建数据集之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述计算任意两个网格区域之间的需求相似度，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述需求相似度矩阵，构建不规则卷积长短时记忆神经网络，包括：

5.根据权利要求1所述的方法，其特征在于，所述使用所述数据集对构建的不规则卷积长短时记...

【技术特征摘要】

1.一种城市车辆订单需求预测模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在所述以前t个时间步长内的城市车辆订单需求od矩阵为样本，以下一个时间步长内的城市车辆订单需求od矩阵为标签，构建数据集之前，所述方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述计算任意两个网格区域之间的需求相似度，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述需求相似度矩阵，构建不规则卷积长短时记忆神经网络，包括：

5.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：周天昊，邹文杰，周轶凡，余亦璠，周星贞，赵慧，李莉，
申请(专利权)人：同济大学，
类型：发明
国别省市：