使用图卷积神经网络预测自行车共享系统的旅行需求
机器学习
2024-08-20 v1
摘要
公共交通系统在日常通勤、商业运营和休闲活动中发挥着关键作用，强调了为了满足公众需求而需要有效管理的重要性。为实现这一目标的一种方法是对站点层面的需求进行预测。作为一种交通服务，自行车共享系统有助于减少空气和噪声污染以及交通拥堵。本研究聚焦于自行车共享系统内的旅行需求预测。本文引入一种新型混合深度学习模型，称为门控图卷积神经网络。该模型实现了对旅行需求的站点层面预测。通过整合轨迹数据、天气数据、访问数据，并利用门控图卷积网络，显著提高了旅行需求预测的准确性。本研究选取芝加哥市自行车共享系统作为案例研究。在本次调查中，比较了本文提出的模型与先前文献中使用的基准模型，以评估其性能，结果表明该主要模型的性能优于基准模型。通过利用这一框架，交通规划师可以做出资源分配和再平衡管理的明智决策。
引用
@article{arxiv.2408.09317,
title = {Predicting travel demand of a bike sharing system using graph convolutional neural networks},
author = {Ali Behroozi and Ali Edrisi},
journal= {arXiv preprint arXiv:2408.09317},
year = {2024}
}