基于作息时空特征优化神经网络的出租车乘客候车时长预测
2021-08-24雷永琪陈智军张雨昂
软件导刊 2021年8期
关键词:模型
雷永琪,李 娜,陈智军,何 渡,张雨昂
(1.湖北大学 计算机与信息工程学院,湖北 武汉 430072;2.湖北省科技信息研究院,湖北武汉 430071)
0 引言
新一代智慧城市环境下,传统交通系统逐渐转变为融合了技术支持、城市建设和交通变革的“智慧出行”[1]。作为城市的主要交通工具之一,出租车具有灵活和便捷等特点,可以满足居民出行的一般搭乘需求[2]。然而,由于城市交通的动态时空变化及司乘信息不对称等因素,出租车规模量和居民打车需求之间经常出现供需不平衡现象,大中型城市的居民出行普遍存在出租车等待时间长、打车困难等问题,亟需合理有效的解决方法[3]。
当前,绝大多数城市出租车都已具备GPS 定位设备,这使得出租车行车轨迹数据大量可得。海量出租车轨迹数据蕴涵着丰富的行驶规律,常被用来研究城市居民活动规律或城市画像。郑宇[4]提出“城市计算”理念,开启了GPS轨迹数据挖掘的潮流;Deng 等[5]使用联立方程模型基于城市整体的出租车数量、计价,乘客数量、等候时间等进行建模;基于网络模型,Yang 等[6]对大面积区域之间的乘客流动进行建模,进而分析出租车运营的供求关系,并在供求平衡计算时对乘客的等候时间进行了预测;齐观德等[7-8]以概率为落脚点,重新定义了出租车乘客候车时间,根据出租车历史轨迹对某地某时段的候车时间进行建模,通过建立空驶出租车到达时间间隔的概率模型预测候车时长;Yuan 等[9]和Ma 等[10]基于改进的地图匹配……
登录APP查看全文
