基于WCGAN的出租车需求热点预测

来源：计算机工程与应用杂志2023年第12期北京时间：

作者：王博伟, 邓君, 吕斌

单位：1.兰州交通大学 交通运输学院，兰州 730070；2.中交城市轨道交通设计研究院有限公司，武汉 430056

摘要：出租车空驶影响交通资源分配，同时影响出租车司机收益，准确的出租车需求热点预测可以有效地指导出租车驾驶员对寻客路线进行优化，针对该问题提出了基于条件生成对抗网络的出租车需求热点预测方法。该方法在Wasserstein条件生成对抗网络（WCGAN）的基础上，利用生成器中的卷积长短时记忆神经网络（ConvLSTM）捕捉时间序列的长期依赖关系，分别利用时间判别器和空间判别器提取乘客历史需求分布时空特性。利用兰州市出租车轨迹数据，将提出的方法与长短时记忆神经网络（LSTM）算法、时空残差网络（ST-ResNet））和BP神经网络（BPNN）三种算法进行对比，平均绝对误差分别降低了17.3%、8.4%和10.3%。

关键词：需求热点预测,生成对抗网络,卷积长短时记忆神经网络（ConvLSTM）