一种基于时空动态图注意力网络的共享出行需求预测方法OA北大核心
A Spatial-Temporal Dynamic Graph Attention Network Based Method for Sharing Travel Demand Prediction
基于图卷积神经网络的共享出行需求预测一般采用非时间特定性的静态空间图结构提取非欧氏空间相关性特征,这种方式所构建的城市结构图是一种在不同时间间隔的静态空间图结构,而不能动态提取不同时间间隔的空间相关性特征.针对这一问题,本文提出了一种基于时空动态图注意力网络(Spatial-Temporal Dynamic Graph Attention Networks,STDGAT)的共享出行需求预测方法.该方法基于区域间通勤关系动态构建时间特定性城市空间图结构,以实现动态空间相关性建模,并采用图注意力网络和长短期记忆网络自适应提取动态空间相关性特征和时间依赖性特征.使用一个全连接层作为输出预测层将联合时空特征映射为真实的需求值以完成预测.实验结果表明,该方法在RMSE,MAPE和MAE等3个评价指标上均优于实验基准比较方法.
骈纬国;吴映波;陈蒙;蔡俊鹏
重庆大学汽车协同创新中心,重庆400044重庆大学大数据与软件学院,重庆400044重庆大学大数据与软件学院,重庆400044重庆大学大数据与软件学院,重庆400044
信息技术与安全科学
需求预测深度学习图注意力网络时空数据预测共享出行
《电子学报》 2022 (2)
432-439,8
国家重点研发计划(No.2019YFB1706101)重庆市技术创新与应用发展专项重点项目(No.cstc2019jscx-mbdxX0047)中央高校基本科研业务费(No.2020CDCGRJ050)
评论