典型文献
一种基于时空动态图注意力网络的共享出行需求预测方法
文献摘要：
基于图卷积神经网络的共享出行需求预测一般采用非时间特定性的静态空间图结构提取非欧氏空间相关性特征,这种方式所构建的城市结构图是一种在不同时间间隔的静态空间图结构,而不能动态提取不同时间间隔的空间相关性特征.针对这一问题,本文提出了一种基于时空动态图注意力网络(Spatial-Temporal Dynamic Graph Attention Networks,STDGAT)的共享出行需求预测方法.该方法基于区域间通勤关系动态构建时间特定性城市空间图结构,以实现动态空间相关性建模,并采用图注意力网络和长短期记忆网络自适应提取动态空间相关性特征和时间依赖性特征.使用一个全连接层作为输出预测层将联合时空特征映射为真实的需求值以完成预测.实验结果表明,该方法在RMSE,MAPE和MAE等3个评价指标上均优于实验基准比较方法.
文献关键词：
需求预测;深度学习;图注意力网络;时空数据预测;共享出行
中图分类号：
作者姓名：
骈纬国;吴映波;陈蒙;蔡俊鹏
作者机构：
重庆大学汽车协同创新中心,重庆400044;重庆大学大数据与软件学院,重庆400044
文献出处：
引用格式：
[1]骈纬国;吴映波;陈蒙;蔡俊鹏-.一种基于时空动态图注意力网络的共享出行需求预测方法)[J].电子学报,2022(02):432-439
A类：
STDGAT,时空数据预测
B类：
时空动态,动态图注意力,图注意力网络,共享出行,出行需求预测,图卷积神经网络,静态空间,图结构,结构提取,欧氏空间,空间相关性,城市结构,结构图,时间间隔,Spatial,Temporal,Dynamic,Graph,Attention,Networks,区域间,通勤,动态构建,城市空间,动态空间,长短期记忆网络,网络自适应,自适应提取,时间依赖性,全连接层,输出预测,时空特征,特征映射,求值,RMSE,MAPE,MAE,比较方法
AB值：
0.342209
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
