CN116051171B 基于出租车和网约车的需求联合预测方法 （重庆大学）

本发明具体涉及基于出租车和网约车的需车历史需求矩阵和自适应邻接矩阵进行时空特生成租车未来需求预测值和网约车未来需求预2S2：将出租车历史需求矩阵和网约车历史需求矩阵输入经过训练的需求预测模型中，输出对应的出租车未来需求预测值和网约车未来需求预测模型首先分别基于出租车历史需求矩阵和网约车历史需求矩阵结合对应的出租车未来需求矩阵和网约车未来需求矩阵生成出租车未来需求预测值和网约车未来需时空交织组件，用于分别根据出租车历史需求矩输出层，用于通过全连接网络分别基于出租车未来需求矩阵和网约时间交织模块用于分别对出租车历史需求矩阵和网约车历史需求矩阵进行时间卷积，对于出租车组件的单个时空块：通过时间卷积层基于出租车历对于网约车组件的单个时空块：通过时间卷积层基于网约车历空间交织模块用于分别基于出租车需求时间特征矩阵和网约车需求时间特征矩阵结对于出租车组件的单个时空块：通过空间卷积层基于出租车需求时对于网约车组件的单个时空块：通过空间卷积层基于网约车需求时3时间交织模块包括分别用于对出租车历史需求矩阵和网约车历史需求矩阵进行时间对于出租车组件的单个时空块：将出租车历史需求矩阵作为时间卷对于网约车组件的单个时空块：将网约车历史需求矩阵作为时间卷空间交织模块包括分别用于对出租车需求时间特征矩阵和网约车需求时间特征矩阵4间的关系；X’TA、X’RS分别表示出租车需求时间特征矩阵和网约车需求时间特征矩阵；对于出租车组件的单个时空块：将出租车需求时间特征矩阵作为空间通过图学习子层来自动发现不同区域之间的依赖关系，并生成对应的自适应邻接矩对于网约车组件的单个时空块：将网约车需求时间特征矩阵作为空间通过图学习子层来自动发现不同区域之间的依赖关系，并生成对应的自适应邻接矩5对于出租车组件的单个时空块：将出租车历史需求矩阵和对应的对于网约车组件的单个时空块：将网约车历史需求矩阵和对应的出租车组件和网约车组件分别将其所有时空块的出租车需求矩阵和网约车需求矩阵输出层通过如下公式计算出租车未来需求预测值和网约车未来分别表示出租车组件和网约车组件中第b个时空块输出的出租车未来需求矩阵和网约车未组件和网约车组件输出的出租车未来需求矩阵和网约车未来需求矩阵进行连接；S3：将出租车未来需求预测值和网约车未来需求预67租车和网约车的需求联合预测方法，能够提取出租车和网约车的模式内特征和模式间特8[0011]需求预测模型首先分别基于出租车历史需求矩阵和网约车历史需求矩阵结合对基于出租车未来需求矩阵和网约车未来需求矩阵生成出租车未来需求预测值和网约车未应的自适应邻接矩阵生成对应的出租车时空共享信息和网[0021]时间交织模块用于分别对出租车历史需求矩阵和网约车历史需求矩阵进行时间[0024]空间交织模块用于分别基于出租车需求时间特征矩阵和网约车需求时间特征矩9[0045]式中：分别表示出租车时间共享信息和网约车时间共享信息；σ代表表示两个特征转换矩阵；ETq、表示为出租车需求设置的区域特征；[0079]出租车组件和网约车组件分别将其所有时空块的出租车需求矩阵和网约车需求[0083]式中：分别表示出租车未来需求预测值和网约车未来需求预测值；分别表示出租车组件和网约车组件中第b个时空块输出的出租车未来需求矩阵示对出租车组件和网约车组件输出的出租车未来需求矩阵和网约车未来需求矩阵进行连约车组件的均方误差；分别表示出租车未来需求预测值和网约车未来需求预测TARS分别表示出租车未来需求真实值和网约车未来需求真实值；σ1和σ2表示噪声参施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅表示本发明的选定实施[0106]需求预测模型首先分别基于出租车历史需求矩阵和网约车历史需求矩阵结合对基于出租车未来需求矩阵和网约车未来需求矩阵生成出租车未来需求预测值和网约车未[0113]定义3(区域需求)：区域需求是指在给定区域的观察时间段内需要出行的乘客数[0114]定义4(区域需求矩阵)：我们可以使用需求矩阵来表示历史L个时间间隔内N个区X(i,j)*f=⃞wsx":[0121]定义8(空间卷积操作)：空间卷积用于根据需求捕获不同区域之间的空间依赖关FO(xra,XRsiG),其中FO()是由神经网络模型实现的函数。目标是通过最小化估计值和真应的自适应邻接矩阵生成对应的出租车时空共享信息和网[0133]时间交织模块用于分别对出租车历史需求矩阵和网约车历史需求矩阵进行时间[0136]空间交织模块用于分别基于出租车需求时间特征矩阵和网约车需求时间特征矩[0140]结合图3所示，时间交织模块包括分别用于对出租车历史需求矩阵和网约车历史需求矩阵进行时间卷积的第一时间卷积层和第[0148]式中：分别表示出租车时间共享信息和网约车时间共享信息；σ代表[0150]以出租车为例，对于区域ri，给定其出租车需求序列xra(i,:)eR'和内核fTt=[w0,w1,…,wK_1]，应用于XTA(i,:)第j(1≤j≤L)个位置的扩张因果卷积可以表示为：xra(i,)*fra=⃞ws·xra(i,j-dxs),其中K是内核大小；d是控制跳跃距离的膨胀因ffa⃞)eR,xfra=TCLra(xra)e其中X’AA是出租车的新需求[0154]xa(:,L',:)=xa(:,L',:)+X(:,L',:):Lxi;L',:)+X(,L',:):[0161]结合图4所示，空间交织模块包括分别用于对出租车需求时间特征矩阵和网约车需求时间特征矩阵进行空间卷积的第一空间卷积层和第表示两个特征转换矩阵；ETq、表示为出租车需求设置的区域特征；其中de是特征的维度。N个区域之间出租车需求的自适应邻接矩阵的计算公式为：Am=rEE,并将自适应邻接矩阵务，并且能够依次提取出租车历史需求矩阵和网约车历史需求矩阵的时间特征和空间特[0197]出租车组件和网约车组件分别将其所有时空块的出租车需求矩阵和网约车需求[0198]本发明通过时空块中的残差连接结构和时空块间的跳跃连接结构将各个时空块的输出连接生成对应的未来需求矩阵，使得能够同时捕获出租车和网约车的时空依[0202]式中：分别表示出租车未来需求预测值和网约车未来需求预测值；分别表示出租车组件和网约车组件中第b个时空块输出的出租车未来需求矩阵对出租车组件和网约车组件输出的出租车未来需求矩阵和网约车未来需求矩阵进行连接；约车组件的均方误差；分别表示出租车未来需求预测值和网约车未来需求预测TARS分别表示出租车未来需求真实值和网约车未来需求真实值；σ1和σ2表示噪声参[0208]本发明通过均方误差作为需求预测模型的损失函数，并且设置了相应的噪声参从而能够进一步提高出租车和网约车需求联合预[0215]本实验在Linux工作站(GPU：GeForceRTX2080Ti)上使用Pytorch实现我们的[0222]如表2所示。