基于TMM-LSTM的出租车目的地预测
近年来,随着城市化进程的加快,城市中的出租车数量越来越多,并且由于出租车的特殊性,一直活跃在城市路网中,在城市交通流中占比较大.准确地预测出租车目的地,并合理地调度出租车,对城市交通管理、合理利用交通资源有重要的意义.出租车目的地预测中一直存在着长期依赖问题,即轨迹序列的预测结果与依赖前面点的距离较长,较长的距离使得在反向传播的过程中,容易产生梯度消失或梯度爆炸,使得误差较大.为了更有效地解决长期依赖问题,文章采用树形存储模块(Tree Memory Module)来增强LSTM,并将增强的LSTM应用于出租车出行目的地预测.通过实验证明,TMM-LSTM相比较LSTM,预测精度能提升约6％.
GPS轨迹、目的地预测、树形存储模块、LSTM
18
TP389.1(计算技术、计算机技术)
山东省自然科学基金资助项目ZR2020QF110
2022-10-20（万方平台首次上网日期，不代表论文的发表时间）
共4页
33-36
