[發明專利]一種出租車需求預測方法、系統和設備有效

申請號：	202110097592.3	申請日：	2021-01-25
公開（公告）號：	CN112801360B	公開（公告）日：	2022-05-17
發明（設計）人：	廖文雄;曾碧;劉建圻	申請（專利權）人：	廣東工業大學
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06Q50/30;G06K9/62;G06N3/04;G06N3/08
代理公司：	北京集佳知識產權代理有限公司 11227	代理人：	郭帥
地址：	510060 廣東省***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種出租車需求預測方法系統設備
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請公開了一種出租車需求預測方法、系統和設備，將各個時間步作為圖中的節點，通過時序關系構造圖神經網絡邊的連接，使用多模態信息初始化節點特征，并且通過基于多模態注意力的消息傳遞機制MMPM更新節點信息，通過圖神經網絡的輸出層預測下一時刻的出租車需求量，提高了出租車需求預測的準確性。

本申請要求申請日為2020年12月30日，申請號為202011622036.5的優先權

技術領域

本申請涉及智能交通技術領域，尤其涉及一種出租車需求預測方法、系統和設備。

背景技術

作為智慧城市的重要組成部分，出租車需求預測影響著民眾的日常生活。有效的出租車預測方法能夠促使線上出租車平臺的成功，準確的出租車需求預測能夠帶來巨大好處。首先，基于出租車需求預測，服務提供方可以派遣更多的出租車到需求多的區域以減少乘客的等待時間。第二，能夠提升出租車司機的收入和減少能源的消耗。第三，出租車需求預測有助于高效的城市交通管理和提升交通資源的利用率。

出租車需求預測本質上是一個時序特征處理的任務，即根據歷史時刻的出租車需求量預測未來時刻的出租車需求量。隨著交通領域大數據的出現以及深度學習的發展，現有的出租車需求預測方式采用深度學習方法進行預測，，使用卷積神經網絡(CNN，Convolution Neural Network)以及長短時記憶網絡(LSTM，Long Short-TermMemory)等搭建深度學習模型來預測出租車需求，但是需求預測準確性還有待進一步提高。

發明內容

本申請提供了一種出租車需求預測方法、系統和設備，將各個時間步作為圖中的節點，通過時序關系構造圖神經網絡邊的連接，使用多模態信息初始化節點特征，并且通過基于多模態注意力的消息傳遞機制MMPM更新節點信息，通過圖神經網絡的輸出層預測下一時刻的出租車需求量，提高了出租車需求預測的準確性。

有鑒于此，本申請第一方面提供了一種出租車需求預測方法，包括：

對歷史時刻的多模態信息進行特征提取，得到多模態特征，所述多模態信息包括出租車需求信息、天氣信息、事件信息和文本信息，所述多模態特征包括出租車需求特征、天氣特征、事件特征和文本特征；

將每個歷史時刻提取的多模態特征作為圖神經網絡的節點，通過時序關系構造所述圖神經網絡的邊連接；

基于多模態注意力的消息傳遞機制MMPM對所述圖神經網絡的節點進行更新，對圖神經網絡模型進行訓練；

將當前時刻的多模態信息輸入訓練好的圖神經網絡模型，得到所述圖神經網絡模型輸出的出租車需求預測結果。

可選地，所述對歷史時刻的多模態信息進行特征提取，得到多模態特征，包括：

采用預置特征提取公式對歷史時刻的出租車需求信息、天氣信息和事件信息進行特征提取，得到出租車需求特征、天氣特征和事件特征；

采用一維卷積神經網絡1D-CNN對文本信息進行特征提取，得到文本特征；

所述預置特征提取公式包括：

D_n＝w_DDemand_n+b_D