基于注意力驱动的图神经网络的食物配送时空需求预测
机器学习
2025-07-22 v1 人工智能
摘要
准确的需求预测对于提高食物配送平台的效率和响应能力至关重要，其中空间异质性和订单量的时间波动直接影响运营决策。本文提出了一种基于注意力的图神经网络框架，通过将食物配送环境建模为图结构来捕捉空间-时间依赖性。在该图中，节点代表城市配送区域，边反映空间相邻性和区域间订单流模式，这些模式从历史数据中推导得出。注意力机制动态加权相邻区域的影响，使模型在预测时能够聚焦于最具上下文相关性的区域。时间趋势与空间相互作用一起被学习，从而使模型能够适应不断变化的需求模式。在真实的食物配送数据集上进行的广泛实验表明，所提出的模型在高精度地预测未来订单量方面具有优势。该框架提供了一种可扩展且自适应的解决方案，以支持城市食物配送运营中主动的车辆定位、资源分配和派遣优化。
引用
@article{arxiv.2507.15246,
title = {Spatio-Temporal Demand Prediction for Food Delivery Using Attention-Driven Graph Neural Networks},
author = {Rabia Latief Bhat and Iqra Altaf Gillani},
journal= {arXiv preprint arXiv:2507.15246},
year = {2025}
}