于瑞云,林福郁,高宁蔚,李 婕

1(东北大学 软件学院,辽宁 沈阳 110169)

2(东北大学 计算机科学与工程学院,辽宁 沈阳 110169)

在城市交通日渐发达的今天,建立一个高效的交通系统已成为打造智慧城市的核心问题.准确的需求预测模型,成为解决此类问题的关键.如果我们能够准确地预测出乘客的出行需求,就可以预先分配资源,即可避免空载现象发生,从而达到节约资源、缓解交通压力的目的.目前,随着滴滴、Uber 等出租车服务的日益普及,我们能够以前所未有的规模收集大量需求数据.如何利用大数据来更好地预测交通需求的问题,已经引起了人工智能研究界越来越多的关注.

本文主要研究区域乘车需求预测问题,即通过历史乘车请求数据来预测未来时间的区域乘车请求数量.随着道路上车流量逐年递增以及乘客对出租车、快车等服务需求量的不断增大,乘车服务供需不匹配的问题逐渐暴露出来.例如:有时候,一些司机因为所在区域乘客需求量较少而导致无单可接;同时,由于周边地区的乘客需求远超过出租车数量,导致大量乘客在恶劣天气或高峰时段很难乘车.所以,对出租车、快车等营利性车辆的需求预测,在近些年就越发引起研究人员重视.

以往的文献显示研究人员已经对交通数据预测进行了长期研究.其中,预测对象包括人流量、车流量、出租车需求量等.在研究初期,研究人员把城市进行区块化处理,并把其中一块……