智能城市

2019, v.5(05) 1-4

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于LSTM的共享单车需求预测
Shared bicycle demand forecast based on LSTM

李颖宏;马勇;

摘要(Abstract):

基于交通流预测理论,根据共享单车轨迹数据,研究共享单车出行的时空特性规律。首先,针对出行规律所具有的时间序列特性,建立基于LSTM的线性回归预测模型;其次,针对不同地域间出行的自流动性和关联性,在提出的预测模型基础上,将轨迹数据中挖掘的不同距离特征纳入预测模型,兼顾了共享单车系统不同区域间的空间属性。以已有的300万用户出行记录为基础,将该模型应用于北京共享单车出行需求预测,其结果与已有共享单车需求预测模型的结果相比,精度有明显的提高。

关键词(KeyWords): 循环神经网络;时间序列特性;关联;共享单车;预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 李颖宏;马勇;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享