潜在客流预测：一项面向城市交通发展的新颖研究
机器学习
2019-12-10 v1 社会与信息网络
机器学习
摘要
近年来，客流预测的实际应用为城市交通发展带来了诸多益处。随着城市化进程，交通管理者提出了一个现实需求：在从未规划过的城市区域建设新的地铁站。主管部门在建设新站前 interested in 未来通勤量的图景，并评估其对其他区域的影响。本文将这一特定问题称为潜在客流（PPF）预测，这是一项与城市计算和智能交通系统相关的新颖且重要的研究。例如，准确的 PPF 预测器可为设计者提供宝贵知识，如站点规模建议及对其他区域的影响等。为解决该问题，我们提出一种多视角局部相关性学习方法。我们策略的核心思想是以自适应权重学习目标区域与其局部区域间的客流相关性。为提高预测精度，通过多视角学习过程引入其他领域知识。我们利用真实官方交通数据集进行了大量实验以评估方法有效性。结果表明，与其他可用基线相比，我们的方法取得了优异性能。此外，我们的方法也能为推荐系统中的冷启动问题提供有效解决方案，其优越的实验结果证明了这一点。
引用
@article{arxiv.1912.03440,
title = {Potential Passenger Flow Prediction: A Novel Study for Urban Transportation Development},
author = {Yongshun Gong and Zhibin Li and Jian Zhang and Wei Liu and Jinfeng Yi},
journal= {arXiv preprint arXiv:1912.03440},
year = {2019}
}