计算机应用

作者：魏远, 林彦, 郭晟楠, 林友芳, 万怀宇

单位：1.北京交通大学 计算机与信息技术学院, 北京 100044；2.交通数据分析与挖掘北京市重点实验室(北京交通大学), 北京 100044；3.民航旅客服务智能化应用技术重点实验室, 北京 100044

关键词：出租车需求预测,时空相关性,出发地—目的地,图卷积网络,注意力机制

基金：中国博士后科学基金资助项目(2021M700365)

精准预测城市区域之间的出租车需求量，可以为出租车的引导和调度以及乘客的出行推荐提供决策支持信息，从而优化出租车的供需关系。然而现有模型大多以区域内的出租车需求量为建模和预测对象，对区域之间的时空相关性考虑不足，且较少关注区域之间更细粒度的需求量预测。针对上述问题，提出一种面向城市区域间出租车需求量的预测模型——出发地—目的地融合时空网络（ODSTN）模型。该模型分别从区域和区域对两个空间维度以及临近、日、周三个时间维度出发，采用图卷积和时间注意力机制来捕获区域之间的复杂时空相关性，并设计了一种新的路径感知融合机制来对多角度的特征进行融合，最终实现了对城市区域间出租车需求量的预测。在成都和曼哈顿地区两个真实出租车订单数据集中进行了实验，结果表明ODSTN模型的平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）分别为0.897 1、3.527 4、50.655 6%和0.589 6、1.163 8、61.079 4%。可见，ODSTN模型在出租车需求预测任务上具有较高的准确性。

来源：2023年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第7期