基于图神经网络的降雨天气下自行车租赁需求情境数据集成
人工智能
2024-12-05 v1
摘要
自行车租赁需求受到天气状况、活动及其他交通方式可用性等多种因素的影响。由于这些因素之间的复杂相互依赖关系及与地点相关的用户行为差异，导致这些影响作用仍不明确。此外，尚不清楚哪些因素是除历史需求数据之外的额外信息。自行车租赁与其他交通方式之间的跨模式依赖关系也未得到充分探讨，降雨等恶劣天气情况下的此类信息价值亦未作研究。本文提出的方法通过引入天气、时间嵌入及道路交通流等情境数据，来预测降雨等非典型天气情况下的自行车租赁OD流。研究结果表明，预测质量与道路交通流之间存在温和的关联关系，但引入的时间嵌入能够在降雨等恶劣天气条件下超越当前研究成果。将天气数据作为额外输入进一步提升模型性能，相较于基础的ST-ED-RMGC预测模型，在降雨天气条件下可将预测误差降低超过20%。
引用
@article{arxiv.2412.03307,
title = {Contextual Data Integration for Bike-sharing Demand Prediction with Graph Neural Networks in Degraded Weather Conditions},
author = {Romain Rochas and Angelo Furno and Nour-Eddin El Faouzi},
journal= {arXiv preprint arXiv:2412.03307},
year = {2024}
}