摘要
随着近年来网约车市场的发展壮大与日益成熟，网约车出行已经成为居民习以为常地出行方式，有效满足了交通高峰时段居民的用车需求。在网约车市场不断规范的同时，如何能更好地引导网约车的时空分布，更高效的进行资源分配成为了今后该行业要关注的要点之一。在此背景下，本文基于多视角构建时空卷积神经网络以预测不同区域在未来某一时刻的网约车需求量，在构建的多视角组合模型的基础上，进一步加入注意力机制，原多视角组合模型的预测效果进一步提升。 本文的主要内容如下:(1)基于多个视角考虑影响网约车需求量的因素，搭建时空卷积神经网络预测某地在某一时间的网约车需求。在时间视角下加入网约车历史需求量、天气情况、温度、降雨量等影响因素，采用长短期记忆网络LSTM对下一个时间片网约车需求量进行预测;在空间视角下加入预测区域邻域需求量这一影响因素，采用局部CNN的方法提取该区域网约车需求量的空间特征，并将提取后的空间特征与历史需求量、天气、温度、降雨量等影响因素一同送入长短期记忆网络中预测下一个时间片该区域网约车的需求量;在语义视角下考虑区域间的功能相似性，利用各区域POI数据计算区域间功能相似性构建图结构，将节点嵌入向量送入组合模型中。(2)在组合模型中加入注意力机制以提高模型的预测准确性。通过注意力机制的作用判断各时间步、各维度的重要性大小，调整权重分配以实现提升模型预测效果的目的。
NETL