典型文献
基于图卷积网络的乘客打车需求预测
文献摘要：
乘客打车需求具有非线性和动态性的特点.为了提高乘客需求预测的准确性,需要充分考虑城市区域间的时空特性.针对城市中乘客的打车需求预测问题,利用图卷积网络(graph convolutional network,GCN)和长短期记忆单元(long short-term memory,LSTM)建立GCN-LSTM预测模型.在分析城市区域间时空特性的基础上,基于动态时间规整算法(dynamic time warping,DTW),将具有相似时空特性的区域重组并构建乘客打车需求图,利用图卷积网络提取需求图的空间特征;运用基于LSTM的编码器捕捉区域的时间特性;运用基于LSTM的解码器实现乘客打车需求的多区域同时、多时间步长预测.通过与传统模型的对比实验表明,本文提出的GCN-LSTM预测模型的均方根误差、平均绝对百分比误差和平均绝对误差最小,验证了所提出模型的预测准确性.
文献关键词：
图卷积网络;长短期记忆单元;时空特性;乘客打车需求预测
中图分类号：
作者姓名：
董成祥;魏昕;张坤鹏;汪永超;杨宇辉
作者机构：
广东工业大学机电工程学院,广东广州,510006;河南工业大学电气工程学院,河南郑州,450001;广州番禺职业技术学院智能制造学院,广东广州,511483
文献出处：
引用格式：
[1]董成祥;魏昕;张坤鹏;汪永超;杨宇辉-.基于图卷积网络的乘客打车需求预测)[J].工业工程,2022(05):98-105
A类：
乘客打车需求预测
B类：
图卷积网络,城市区域,区域间,时空特性,graph,convolutional,network,GCN,长短期记忆单元,long,short,term,memory,动态时间规整算法,dynamic,warping,DTW,空间特征,编码器,时间特性,解码器,多区域,时间步长,传统模型,平均绝对百分比误差,平均绝对误差,出模,预测准确性
AB值：
0.255361
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
