【摘要】：乘客需求預(yù)測是智能交通系統(tǒng)的重要組成部分。一個精確的預(yù)測模型能夠幫助車輛系統(tǒng)更加合理地分發(fā)訂單和調(diào)度車輛,進而緩解供需矛盾。這不但能減少能源浪費還能有效緩解城市交通擁堵。滴滴和Uber這類在線打車系統(tǒng)的流行使我們有能力持續(xù)地獲得大規(guī)模的乘客需求數(shù)據(jù),如何利用這些數(shù)據(jù)提升需求預(yù)測的精度是一個有趣又關(guān)鍵的問題。傳統(tǒng)的需求預(yù)測方法大多基于時間序列預(yù)測技術(shù),這種技術(shù)無法對非線性的時空關(guān)系進行有效建模。最近深度學(xué)習(xí)技術(shù)在計算機視覺和自然語言處理等領(lǐng)域取得了重大突破,這啟發(fā)我們使用深度學(xué)習(xí)技術(shù)來解決交通預(yù)測問題。現(xiàn)有的大多數(shù)交通預(yù)測方法都只獨立地考慮了空間相關(guān)性和時間相關(guān)性,并且主要針對單步預(yù)測場景。本文以全新的圖視角看待網(wǎng)約車系統(tǒng),使用結(jié)構(gòu)化的循環(huán)單元同時對空間相關(guān)性和時間相關(guān)性進行建模,提出了基于編碼器-預(yù)測器架構(gòu)的混合時空圖卷積循環(huán)網(wǎng)絡(luò)ST-HGCRN。該模型可以同時預(yù)測城市中n個不規(guī)則的區(qū)域在未來k個時段內(nèi)的乘客上下車需求量。本文的工作和貢獻(xiàn)可以總結(jié)為以下三點:(1)提出基于高相關(guān)節(jié)點的空間相關(guān)性建模方法,簡稱“高相關(guān)點法”。首先從不同的角度對城市區(qū)域之間的需求相關(guān)性進行量化并生成多張區(qū)域關(guān)系圖,然后通過utopk節(jié)點選擇保留相關(guān)性較高的節(jié)點,最后利用混合圖卷積整合高相關(guān)節(jié)點的信息。此方法比基于卷積神經(jīng)網(wǎng)絡(luò)的空間相關(guān)性建模方法更加有效地利用了各地點需求量之間的相互影響。(2)提出結(jié)構(gòu)化的循環(huán)單元HGCRU,并結(jié)合編碼器-預(yù)測器架構(gòu)進行多步需求量預(yù)測。我們使用混合圖卷積對循環(huán)神經(jīng)網(wǎng)絡(luò)進行了結(jié)構(gòu)化改造,使它可以利用數(shù)據(jù)的空間結(jié)構(gòu),能夠同時對空間相關(guān)性和時間相關(guān)性進行建模。HGCRU有HGCLSTM和HGCGRU兩種具體實例,我們結(jié)合這兩種實例和編碼器-預(yù)測器架構(gòu)設(shè)計了ST-HGCRN網(wǎng)絡(luò),該網(wǎng)絡(luò)能夠有效地解決多步需求量預(yù)測問題。(3)在真實的數(shù)據(jù)集上進行多項對比實驗,通過大量的對比實驗分析我們的模型與對比模型的性能表現(xiàn)以及各種參數(shù)對它們的影響。在所有對照實驗中,我們的模型在多數(shù)情況下都超越了對比模型,且模型的最優(yōu)變種取得了15%以上的性能提升,表現(xiàn)出了相當(dāng)?shù)母偁幜�。各項自我對照實驗也證明了網(wǎng)絡(luò)中各個組件的必要性。
【圖文】：

區(qū)域A的需求量變化

區(qū)域B的需求量變化
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F724.6;F572;F274;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李欣奕;;旅游需求預(yù)測理論基礎(chǔ)與方法研究[J];營銷界;2019年47期

2 冬曉;;全國農(nóng)藥藥械需求預(yù)測會商會在杭州召開[J];農(nóng)業(yè)技術(shù)與裝備;2011年22期

3 陶偉;倪明;;中西方旅游需求預(yù)測對比研究:理論基礎(chǔ)與模型[J];旅游學(xué)刊;2010年08期

4 于汶加;王安建;王高尚;;解析全球能源需求預(yù)測結(jié)果及相關(guān)模型體系[J];資源與產(chǎn)業(yè);2009年03期

5 Paul Clarke;Rob West;楊浩;;滾動需求預(yù)測[J];新理財;2007年10期

6 唐中君;個性化需求預(yù)測的基本原則研究[J];湖北經(jīng)濟學(xué)院學(xué)報;2005年04期

7 袁長偉 ,吳群琪;對運輸需求預(yù)測理論的再認(rèn)識[J];綜合運輸;2005年01期

8 張小明;日本W(wǎng),Mo需求預(yù)測[J];稀有金屬快報;2004年05期

9 魯青;國際PTFE需求預(yù)測[J];國際化工信息;2004年07期

10 ;亞洲PTA需求增長20%/年[J];合成技術(shù)及應(yīng)用;2003年04期

相關(guān)會議論文 前10條

1 陳琳;李田;;存在競爭性制造商的需求預(yù)測信息的共享研究[A];第十八屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2016年

2 張建業(yè);沈佳;鄒岳琳;羅義旺;潘建笠;陳奎印;;全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心架構(gòu)下的電網(wǎng)協(xié)議庫存采購物資需求預(yù)測[A];2017電力行業(yè)信息化年會論文集[C];2017年

3 宋國青;;從總需求預(yù)測的角度看利率[A];2013年秋季CMRC中國經(jīng)濟觀察（總第35期）[C];2013年

4 聶銳;張炎治;呂濤;;江蘇省能源需求預(yù)測及平衡方案設(shè)計[A];2006年江蘇省哲學(xué)社會科學(xué)界學(xué)術(shù)大會論文集（上）[C];2006年

5 曹雪檸;;公共自行車短時預(yù)測方法研究[A];創(chuàng)新驅(qū)動與智慧發(fā)展——2018年中國城市交通規(guī)劃年會論文集[C];2018年

6 馬樹德;;卷煙訂單需求預(yù)測的特點及模型構(gòu)建[A];上海市煙草專賣局2007年度獲獎?wù)撐募ń?jīng)濟管理類）[C];2007年

7 唐家文;;基于灰色預(yù)測的通用航空發(fā)展需求預(yù)測[A];2013年中國通用航空發(fā)展論壇論文集[C];2013年

8 何忠偉;;“十一五”期間中國農(nóng)業(yè)發(fā)展對財政投入的需求預(yù)測[A];農(nóng)村公共品投入的技術(shù)經(jīng)濟問題——中國農(nóng)業(yè)技術(shù)經(jīng)濟研究會2008年學(xué)術(shù)研討會論文集[C];2008年

9 張淼;;北京市能源需求預(yù)測及發(fā)展對策研究[A];北京市第十五次統(tǒng)計科學(xué)討論會獲獎?wù)撐募痆C];2009年

10 畢波;;基于能源統(tǒng)籌的市政設(shè)施需求預(yù)測[A];多元與包容——2012中國城市規(guī)劃年會論文集(07.城市工程規(guī)劃)[C];2012年

相關(guān)重要報紙文章 前10條

1 本報記者 張正虹;鉑金需求預(yù)測[N];中國黃金報;2019年

2 記者 王婧;歐佩克下調(diào)全球石油需求預(yù)測[N];經(jīng)濟參考報;2019年

3 劉新偉;2019年我國下游行業(yè)發(fā)展及用鋼需求預(yù)測[N];世界金屬導(dǎo)報;2019年

4 本報記者 姚金楠;“機器學(xué)習(xí)”或?qū)⑵平饧彝ツ茉葱枨箢A(yù)測難題[N];中國能源報;2019年

5 本報記者 閻密;零售業(yè)數(shù)字化：已起步，，正優(yōu)化[N];國際商報;2017年

6 本報記者 任e

本文編號：2603440