基于时空门控多图卷积网络的网约车需求预测
打开文本图片集
摘 要：动态的交通需求对于开发有效的实时交通管理和控制策略、算法至关重要。准确预测网约车需求具有一定的挑战性，但对智能交通系统的发展具有重要作用，有助于协调区域内的网约车供需，提高车辆的利用率，为乘客减少等待时间。文章提出一种时空门控多图卷积网络（Spatial-Temporal Gated Multi-Graph Convolutional Network，STGMGCN）模型，使用门控循环单元挖掘时间特征，并研究了三种不同的图卷积网络挖掘空间上的相关性。（剩余7941字）
网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。