UMOD：一种新颖有效的城市地铁起讫点流量预测方法
机器学习
2024-09-10 v1
摘要
准确预测地铁起讫点(OD)流量对于发展智能交通系统和有效的城市交通管理至关重要。现有方法通常要么预测出发站的乘客出站流量，要么预测目的站的进站流量。然而，我们认为乘客通常有明确界定的出发站和到达站，这使得这些OD对本质上是相互关联的。因此，将OD对视为一个统一实体更能准确反映实际的地铁出行模式，并允许分析不同OD对之间潜在的时空相关性。为应对这些挑战，我们提出了一种新颖有效的城市地铁OD流量预测方法(UMOD)，该方法包含三个核心模块：数据嵌入模块、时间关系模块和空间关系模块。数据嵌入模块将原始OD对输入投影到隐藏空间表示中，随后由时间关系模块和空间关系模块处理，以捕获OD对间和OD对内的时空依赖性。在两个真实世界城市地铁OD流量数据集上的实验结果表明，采用OD对视角对于准确的地铁OD流量预测至关重要。我们的方法优于现有方法，提供了卓越的预测性能。
引用
@article{arxiv.2409.04942,
title = {UMOD: A Novel and Effective Urban Metro Origin-Destination Flow Prediction Method},
author = {Peng Xie and Minbo Ma and Bin Wang and Junbo Zhang and Tianrui Li},
journal= {arXiv preprint arXiv:2409.04942},
year = {2024}
}