融合语义的时空相关多步乘车需求预测方法

来源：中国血液净化杂志2023年第6期北京时间：

作者：袁长伟, 冯健, 陈静

单位：1. 长安大学运输工程学院, 陕西 西安 710064;2. 长安大学道路基础设施数字化教育部工程研究中心, 陕西 西安 710064"],"fundList_en":["National Key R & D Program of China (2020YFC1512004); Shaanxi Provincial Science Foundation for Outstanding Young Scholars (2021JC-27); Fundamental Research Funds for the Central Universities (300102343101)

摘要：为了准确预测乘车需求，提高车辆利用率，缓解供需不平衡和交通拥堵，提出一种融合语义的时空相关多步乘车需求预测方法。在空间相关性建模方面，计算区域历史需求数据的互信息以对空间历史需求模式相关性建模；同时考虑基于兴趣点的城市功能区对乘车需求的影响，利用反映城市功能特征的语义信息，借鉴词频-逆文档频率方法对区域兴趣点赋予权重，继而计算区域功能相似度并对空间功能相关性建模。在时间相关性建模方面，利用深度学习网络Transformer捕获数据中潜在的长时依赖性。最后，在真实数据集上验证所提方法的有效性。结果表明：单步预测时，与基线方法的均值相比，所提方法的均方根误差、平均绝对误差和平均绝对百分比误差3个指标分别降低了38.77%、38.79%和54.11%；多步预测时，所提方法的预测精度也有较大提升，在预测步长为6时，与基线方法的均值相比，所提方法的3个指标分别降低了21.35%、21.98%和15.72%。该方法能够更准确预测乘车需求时空分布，合理配置运力资源。

关键词：交通工程,乘车需求预测,Transformer神经网络,时空相关性,交通大数据,自注意力机制

基金资助：国家重点研发计划项目(2020YFC1512004)；陕西省杰出青年科学基金项目(2021JC-27)； 中央高校基本科研业务费专项资金项目(300102343101)