期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
Ride-hailing origin-destination demand prediction with spatiotemporal information fusion
1
作者 Ning Wang Liang Zheng +1 位作者 Huitao Shen Shukai Li 《Transportation Safety and Environment》 EI 2024年第2期63-74,共12页
Accurate demand forecasting for online ride-hailing contributes to balancing traffic supply and demand,and improving the service level of ride-hailing platforms.In contrast to previous studies,which have primarily foc... Accurate demand forecasting for online ride-hailing contributes to balancing traffic supply and demand,and improving the service level of ride-hailing platforms.In contrast to previous studies,which have primarily focused on the inflow or outflow demands of each zone,this study proposes a conditional generative adversarial network with a Wasserstein divergence objective(CWGAN-div)to predict ride-hailing origin-destination(OD)demand matrices.Residual blocks and refined loss functions help to enhance the stability of model training.Interpretable conditional information is employed to capture external spatiotemporal dependencies and guide the model towards generating more precise results.Empirical analysis using ride-hailing data from Manhattan,New York City,demon-strates that our proposed CWGAN-div model can effectively predict the network-wide OD matrix and exhibits strong convergence performance.Comparative experiments also show that the CWGAN-div outperforms other benchmarking methods.Consequently,the proposed model displays potential for network-wide ride-hailing OD demand prediction. 展开更多
关键词 intelligent transport system ride-hailing generative adversarial networks spatiotemporal dependencies origin-destination(od)demand prediction
原文传递
随机OD需求下城市道路交通网络设计问题的BP神经网络算法研究 被引量:8
2
作者 李玉祺 王广民 徐猛 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2021年第11期3009-3019,共11页
本文应用反向传播(back-propagation,BP)神经网络方法研究随机Origin-Destination(OD)需求的城市道路交通网络设计问题.假设OD交通需求量服从某一分布,首先通过蒙特卡罗模拟的方法得到训练样本对神经网络进行训练并用测试样本测试所得... 本文应用反向传播(back-propagation,BP)神经网络方法研究随机Origin-Destination(OD)需求的城市道路交通网络设计问题.假设OD交通需求量服从某一分布,首先通过蒙特卡罗模拟的方法得到训练样本对神经网络进行训练并用测试样本测试所得到的神经网络,然后运用训练好的神经网络预测了系统总出行时间.将Nine-node网络作为测试网络,比较分析了不同样本规模下BP神经网络与蒙特卡罗模拟方法得出的结果和OD交通需求服从不同分布时系统总出行时间的分布情况.结果表明,BP神经网络的方法能够较好预测系统总出行时间的分布,且与蒙特卡罗模拟计算相比,能够产生一个合理且较窄的预测区间;当OD交通需求服从均匀分布、正态分布和对数正态分布时,系统总出行时间分布较为相似,接近正态分布. 展开更多
关键词 随机origin-destination(od)需求 双层规划模型 蒙特卡罗模拟 back-propagation(BP)神经网络
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部