基于作息时空特征优化神经网络的出租车乘客候车时长预测

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：候车时长是出租车乘客选择乘车点的重要判断依据,对实现人工智能趋势下的智慧交通具有重要意义.针对出租车乘客候车时间长、打车难等问题,提出一种利用作息时空特征优化神经网络的候车时间预测模型.该模型将出租车轨迹、城市兴趣点和时间作息片段等多源数据映射至50m*50m的精细地理网格中,以网格为单位,利用作息时空特征优化的神经网络对出租车行驶时空规律进行训练建模,从而预测在一定时空约束条件下空驶出租车的乘客候车时长.实验结果表明,精细的网格粒度和作息时空特征能帮助神经网络模型学习到更精确的运载规律知识,提高候车时长预测准确率.该方法为城市居民的智慧出行提供了科学合理的决策参考.

外文标题：Prediction of Taxi Waiting Time Based on the Work and Rest Spatio-temporal Features Optimization Neural Network Model

作者：

雷永琪、李娜、陈智军、何渡、张雨昂

展开 >

作者单位：

湖北大学计算机与信息工程学院,湖北武汉430072

湖北省科技信息研究院,湖北武汉430071

关键词：

时空大数据时空特征神经网络城市计算多源数据

基金：

项目编号：

2019CFB7572019CFB757D201610012019III050GX2019III007GX

出版年：

2021

DOI：

10.11907/rjdk.211390

软件导刊

湖北省信息学会

软件导刊

影响因子：0.524

ISSN：1672-7800

年,卷(期)：2021.20(8)

参考文献量12