一种基于注意力机制的细粒度打车需求预测方法

本发明涉及一种基于注意力机制的细粒度打车需求预测方法，包括以下步骤：步骤一，对细粒度的打车需求预测问题进行建模；步骤二，根据问题模型，对出租车轨迹、道路网络和兴趣点等相关数据进行预处理，构建样本数据库；步骤三，建立卷积循环神经网络模型，为每个区域生成多个预测结果；步骤四，在步骤三的基础上提出了基于上下文感知的注意力组件，对多个预测结果进行融合；步骤五，将样本划分为训练集和测试集，对模型参数进行多次训练，选取误差最小的预测模型。本发明结合额外因素，充分捕获了打车需求内在的多视角时空特征；同时引入注意力机制，为每个区域的多个预测结果分配不同的权重，从而有效地提高打车需求预测的准确率。
上海大学
刘通 | 武文斌 | 童维勤