基于门控图神经网络的无桩公共自行车系统自行车站点动态规划
机器学习
2021-01-20 v1 人工智能
摘要
得益于便捷的骑行与灵活的停车位置，无桩公共自行车（DL-PBS）网络在多个国家日益普及。然而，冗余且低利用率的站点浪费了城市公共空间以及 DL-PBS 运营商的维护成本。本文提出一种自行车站点动态规划（BSDP）系统，用于为 DL-PBS 网络动态提供最优自行车站点布局。BSDP 系统包含四个模块：自行车落点聚类、自行车站点图建模、自行车站点位置预测以及自行车站点布局推荐。在自行车落点聚类模块中，从大规模骑行轨迹记录的每个时空子集中聚类出候选自行车站点。在自行车站点图建模模块中，基于聚类结果构建加权有向图模型，并过滤掉站点收益与利用率较低的劣质站点；随后将跨时段的图模型合并以创建图序列模型。在自行车站点位置预测模块中，使用 GGNN 模型训练图序列数据并动态预测下一时段的自行车站点。在自行车站点布局推荐模块中，根据政府城市管理规划对预测的自行车站点进行微调，从而确保推荐的站点布局有利于城市管理、运营商收益与用户便利。在实际 DL-PBS 网络上的实验验证了所提 BSDP 系统的有效性、准确性与可行性。
引用
@article{arxiv.2101.07425,
title = {Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network},
author = {Jianguo Chen and Kenli Li and Keqin Li and Philip S. Yu and Zeng Zeng},
journal= {arXiv preprint arXiv:2101.07425},
year = {2021}
}