原文传递
基于深度学习的网约车供需缺口短时预测研究
| 题名： | 基于深度学习的网约车供需缺口短时预测研究 |
| 正文语种： | 中文 |
| 作者： | 谷远利；李萌；芮小平；陆文琦；王硕； |
| 关键词： | 城市交通；供需缺口预测；深度学习；网约车；时空关联性 |
| 摘要： | 城市不同区域网约车供需缺口预测可为车辆调度策略提供支持,从而提高车辆运行效率和乘客服务水平.为实现网约车供需缺口短时预测,提出一种基于时空数据挖掘的深度学习预测模型(Spatio-Temporal Deep Learning Model, S-TDL).该模型由时空变量模型、空间属性变量模型和环境变量模型3个子模型融合而成,可捕捉时空关联性、区域差异性和环境变化对供需缺口的影响.同时,提出特征聚类—最大信息系数两阶段特征选择方法,筛选与供需缺口相关性强的特征变量,提高训练效率,减少过拟合.滴滴出行实例分析 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2019 |
| 期： | 02 |
| 页码： | 223-230 |
检索历史
应用推荐
