一种基于神经网络的拼车需求预测匹配方法

本发明涉及一种基于神经网络的拼车需求预测匹配方法，包括：收集实际路网的真实数据并对路网进行矩阵分割和数据映射；收集用户历史出行数据，进行数据归一化处理并进行重构；收集天气影响因素，对连续数据和分类数据分别进行归一化处理；将历史用户出行数据和天气影响数据输入卷积长短期记忆神经网络模型，经过模型训练得到用户出行预测数据；将预测的用户出行数据作为拼车匹配系统的输入，基于G‑Tree路径规划和RTV图的匹配算法，得到拼车匹配方案，获得用户拼车等待时间的评价指标。与现有技术相比，本发明提高了用户出行预测精度，同时结合路径规划算法和匹配算法，验证了拼车匹配方法可以有效降低用户拼车过程中的等待时间。
同济大学
赵慧 | 李莉 | 唐忠桓