典型文献
基于Spark分布式EEMDN-SABiGRU模型的乘客热点预测
文献摘要：
出租车作为一种城市常见的交通方式,在某一时刻面临着上客率低的问题,而在另一时刻又面临着需求过剩的问题.为了提高驾驶员巡航效率,文章基于Spark并行分布式平台,提出一种集合经验模态分解的空间注意力机制双向门控循环单元模型(EEMDN-SABiGRU),对乘客热点进行精准预测,与LSTM、GRU、EMD-LSTM、EMD-GRU、EEMD-LSTM、EEMD-GRU、EMDN-GRU、CNN和BP等模型相比,EEMDN-SABiGRU模型的MAPE、MAE、RMSE和ME值至少降低了58.33％、44.91％、43.19％和39.33％,在乘客热点预测上具有良好的效果.
文献关键词：
乘客热点预测;网格映射;空间注意力;GPS轨迹;EEMD;BiGRU;Spark
中图分类号：
作者姓名：
耿建;申冰琪
作者机构：
贵州民族大学数据科学与信息工程学院,贵州贵阳 550025
文献出处：
引用格式：
[1]耿建;申冰琪-.基于Spark分布式EEMDN-SABiGRU模型的乘客热点预测)[J].现代信息科技,2022(22):71-77
A类：
EEMDN,SABiGRU,乘客热点预测,EMDN
B类：
Spark,出租车,交通方式,刻面,着上,过剩,驾驶员,巡航,分布式平台,集合经验模态分解,空间注意力机制,双向门控循环单元,门控循环单元模型,精准预测,MAPE,MAE,RMSE,ME,网格映射,GPS
AB值：
0.239004
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。
