原文传递
基于深度学习的出租车出行行为预测
| 题名： | 基于深度学习的出租车出行行为预测 |
| 正文语种： | 中文 |
| 作者： | 谢开强 罗钧韶 |
| 作者单位： | 深圳市城市交通规划设计研究中心有限公司 |
| 关键词： | 出行行为 深度学习 长短时记忆神经网络 |
| 摘要： | 城市交通规划的核心问题是流量预测，而流量预测的基础则是出行预测。出行预测是指在一定条件下，对各交通小区可能产生的总出行需求进行预测。它是城市交通规划中的重要环节，可靠的出行预测不仅能为相关部门构建有效的调度系统提供参考，同时也能为城市居民提供有效的出行路径选择信息。针对居民出行预测任务，提出了基于长短时记忆神经单元的循环神经网络出行行为预测方法。相比传统的出行预测方法，该方法的预测精度更高，更适用于大数据背景下的出行预测任务。 |
| 会议日期： | 20191016 |
| 会议举办地点： | 成都 |
| 会议名称： | 2019年中国城市交通规划年会 |
| 出版日期： | 1016-01-20 |
| 母体文献： | 2019年中国城市交通规划年会论文集 |
检索历史
应用推荐
