基于融合多注意网络的网约车接客区域推荐研究

摘要：

接客区域推荐在智能交通中应用广泛.目前大多数模型通过获得空间-时间关系来获取区域之间的关系,但仍有一些重要的问题未得到解决.网约车司机的行为之间存在非常重要的关联,由于建模的复杂性问题,没有得到足够的考虑.从网约车司机的订单信息和车辆轨迹数据中获得用户行为,并通过对获得的多种语义信息进行加权表示,找出最合理的接客区域.我们提出一个融合多注意力网络(FMAN)用于位置推荐.FMAN通过不同的视图获得不同的空间和时间关系.FMAN使用一个融合注意力层来获得不同车辆和不同订单之间的关系,针对不同的区域对它们进行统计,调整的权重来获取订单之间的时空关系,并考虑司机的兴趣.实验表明,FMAN在成都和武汉的数据集上表现更好,相对目前方法提升3％～12％的性能.

关键词：深度学习、注意机制、基于位置的服务、长短时记忆

所属期刊栏目：50

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;湖北省自然科学基金一般面上项目;武汉城市学院重点科研项目

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2411-2417