基于WCGAN的出租车需求热点预测

摘要：

出租车空驶影响交通资源分配,同时影响出租车司机收益,准确的出租车需求热点预测可以有效地指导出租车驾驶员对寻客路线进行优化,针对该问题提出了基于条件生成对抗网络的出租车需求热点预测方法.该方法在Wasserstein条件生成对抗网络(WCGAN)的基础上,利用生成器中的卷积长短时记忆神经网络(ConvLSTM)捕捉时间序列的长期依赖关系,分别利用时间判别器和空间判别器提取乘客历史需求分布时空特性.利用兰州市出租车轨迹数据,将提出的方法与长短时记忆神经网络(LSTM)算法、时空残差网络(ST-ResNet))和BP神经网络(BPNN)三种算法进行对比,平均绝对误差分别降低了17.3％、8.4％和10.3％.

关键词：需求热点预测、生成对抗网络、卷积长短时记忆神经网络(ConvLSTM)

所属期刊栏目：59

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;甘肃省教育厅双一流重大科研项目

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：293-300