基于带偏移周期性的时空注意力多图卷积网络用于网约车需求预测
机器学习
2022-04-11 v2 人工智能
摘要
网约车服务正成为城市交通的主导部分。为提高网约车服务效率，准确预测交通需求是一项基本挑战。本文从网络结构和数据集构建两个方面解决该问题。在网络设计方面，我们提出一种时空注意力多图卷积网络（STA-MGCN）。STA-MGCN中的时空层通过时间注意力机制和时间门卷积捕获时间相关性，并通过多图卷积捕获空间相关性。引入特征聚类层以学习潜在区域功能并降低计算负担。在数据集构建方面，我们提出一种考虑带偏移周期性的交通特征的新方法。除仅使用同一时段的歷史数据外，还纳入了昨天和上周前向与后向相邻时段的歷史订单需求。在纽约、芝加哥和成都三个真实世界数据集上的大量实验表明，所提算法在网约车需求预测上达到了最先进的性能。
引用
@article{arxiv.2203.12505,
title = {A Spatial-Temporal Attention Multi-Graph Convolution Network for Ride-Hailing Demand Prediction Based on Periodicity with Offset},
author = {Dong Xing and Chenguang Zhao and Gang Wang},
journal= {arXiv preprint arXiv:2203.12505},
year = {2022}
}
备注
We have found another earlier related work that uses a similar structure. And therfore, we hope to withdraw this version and willl include more related work in a future version