期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合时序关联动态图与常微分方程的区域间出租车需求预测
1
作者
王海程
马纪颖
+1 位作者
张苑媛
杨绍祖
《计算机应用研究》
CSCD
北大核心
2024年第3期794-798,860,共6页
为解决出租车行业中的高空驶率和不均衡的需求分布问题,通过对出租车出行的区域进行深入研究,提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先,...
为解决出租车行业中的高空驶率和不均衡的需求分布问题,通过对出租车出行的区域进行深入研究,提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先,模型使用ODE(ordinary differential equation)对图卷积神经网络(graph convolutional network,GCN)进行微分方程建模,将堆叠局部特征信息抽象为动态图,以节点的时序特性来推进局部节点状态;然后,设计了一种基于注意力分数调整采样策略的蒸馏方案,提高对多层稀疏图的适应效果,以更稳定地表征复杂时空特征,最终实现对区域间出租车需求量的预测。在真实的出租车订单数据集上进行实验,研究结果表明,TCG-ODE模型的预测效果均优于对照模型和改进前的模型。通过精准预测不同区域之间的出租车需求量,可以为出租车司机和乘客出行提供决策支持信息,从而优化供需关系。
展开更多
关键词
需求预测
图卷积神经网络
常微分方程
蒸馏方案
下载PDF
职称材料
题名
融合时序关联动态图与常微分方程的区域间出租车需求预测
1
作者
王海程
马纪颖
张苑媛
杨绍祖
机构
沈阳化工大学计算机科学与技术学院
辽宁省化工过程工业智能化技术重点实验室
出处
《计算机应用研究》
CSCD
北大核心
2024年第3期794-798,860,共6页
基金
辽宁省自然基金资助项目(2022-MS-291)
国家外国专家计划资助项目(G2022006008L)
辽宁省教育厅基本科研资助项目(LJKMZ20220781)。
文摘
为解决出租车行业中的高空驶率和不均衡的需求分布问题,通过对出租车出行的区域进行深入研究,提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先,模型使用ODE(ordinary differential equation)对图卷积神经网络(graph convolutional network,GCN)进行微分方程建模,将堆叠局部特征信息抽象为动态图,以节点的时序特性来推进局部节点状态;然后,设计了一种基于注意力分数调整采样策略的蒸馏方案,提高对多层稀疏图的适应效果,以更稳定地表征复杂时空特征,最终实现对区域间出租车需求量的预测。在真实的出租车订单数据集上进行实验,研究结果表明,TCG-ODE模型的预测效果均优于对照模型和改进前的模型。通过精准预测不同区域之间的出租车需求量,可以为出租车司机和乘客出行提供决策支持信息,从而优化供需关系。
关键词
需求预测
图卷积神经网络
常微分方程
蒸馏方案
Keywords
demand forecasting
graph convolutional network(GCN)
ordinary differential equation(ODE)
distillation scheme
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合时序关联动态图与常微分方程的区域间出租车需求预测
王海程
马纪颖
张苑媛
杨绍祖
《计算机应用研究》
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部