基于多图卷积网络的共享单车流量预测
机器学习
2018-07-31 v1 人工智能
机器学习
摘要
共享单车系统管理中的一个基本问题是单车流量预测。由于单一站点流量预测难度较大，近期研究多在簇级别预测单车流量。此类研究虽取得满意精度，却无法直接指导站点级的精细共享单车系统管理问题。本文重新审视站点级单车流量预测问题，旨在借助深度学习技术的突破提升预测精度。我们提出一种新的多图卷积神经网络模型以预测站点级单车流量，其核心创新在于从图视角审视共享单车系统。具体而言，我们为共享单车系统构建多个站间图：每图中节点为站点，边为站点间的某类关系；进而构造多个图以反映异构关系（如距离、骑行记录相关性）。随后融合多图并在融合图上施加卷积层以预测站点级未来单车流量。除估计流量值外，模型还给出预测置信区间，以助管理者决策。基于纽约与芝加哥共享单车数据的实验表明，本模型较最优站点级预测模型分别降低纽约与芝加哥 25.1% 与 17.0% 的预测误差。
引用
@article{arxiv.1807.10934,
title = {Bike Flow Prediction with Multi-Graph Convolutional Networks},
author = {Di Chai and Leye Wang and Qiang Yang},
journal= {arXiv preprint arXiv:1807.10934},
year = {2018}
}