出租车是交通系统的重要组成部分，出租车的 需求预测在智能交通系统有着重要作用。准确 的预测模型可以帮助城市预先分配资源，以满 足出行需求。同时能减少街道上空车，避免浪 费能源和减缓交通拥堵。 深度学习的最新进展通过学习大型数据的复杂 特征和相关性。但现有的交通预测方法仅独立 地考虑了空间或时间关系，并未能结合多方面 因素进行出租车需求预测。 文中提出了一个深度多视图时空网络(DMVST- Net)框架来对时空关系进行建模。该模型包括 三个视图:时间视图，基于LSTM建立时间关系 模型。空间视图，基于local CNN建立局部空间 关系模型。语义视图，共享相似时间的区域之 间的相关性。
附件: 基于深度多视图时空网络的出租车需求预测论文介绍_廖林波.pdf [登录 后查看]
自动标签 : 出租车 网络 时空 模型 视图 关系 时间 空间 进行 需求预测 避免 减少 学习 街道
更多 [ 报告 ] 文章