公开(公告)号：CN108985475A

公开(公告)日：2018-12-11

申请号：CN201810609232.5

申请日：2018-06-13

Applicant: 厦门大学

Inventor： 范晓亮 ,  肖璐菁 ,  王程 ,  陈龙彪

IPC: G06Q10/02 ,  G06Q10/04 ,  G06Q10/06 ,  G06N3/04

Abstract: 本发明公开了一种基于深度神经网络的网约车召车需求预测方法，包括：S1、对城市路网进行区域划分，并计算统计各个区域的网约车召车需求量；S2、设计网约车召车需求预测模型：基于深度神经网络，学习和训练召车需求时空特征，并结合天气影响因素对网约车用户召车意愿的影响因子，预测下一时间段的区域召车需求量；S3、根据历史数据对区域召车需求预测模型进行训练，再利用训练好的模型对各个区域的网约车召车需求量进行预测。本方法通过融合外部因素和时空相关性，利用深度神经网络来表达网约车召车需求量的复杂的非线性时空相关性特征，能够取得较高的预测精度。

公开(公告)号：CN108985475B

公开(公告)日：2021-07-23

申请号：CN201810609232.5

申请日：2018-06-13

Applicant: 厦门大学

Inventor： 范晓亮 ,  肖璐菁 ,  王程 ,  陈龙彪

IPC: G06Q10/02 ,  G06Q10/04 ,  G06Q10/06 ,  G06N3/04

Abstract: 本发明公开了一种基于深度神经网络的网约车召车需求预测方法，包括：S1、对城市路网进行区域划分，并计算统计各个区域的网约车召车需求量；S2、设计网约车召车需求预测模型：基于深度神经网络，学习和训练召车需求时空特征，并结合天气影响因素对网约车用户召车意愿的影响因子，预测下一时间段的区域召车需求量；S3、根据历史数据对区域召车需求预测模型进行训练，再利用训练好的模型对各个区域的网约车召车需求量进行预测。本方法通过融合外部因素和时空相关性，利用深度神经网络来表达网约车召车需求量的复杂的非线性时空相关性特征，能够取得较高的预测精度。