-
公开(公告)号：CN110322695B
公开(公告)日：2020-10-09
申请号：CN201910667478.2
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 首先对天气数据和交通路口过车数据进行分析和预处理，输入到门限循环神经网络(GRU)中提取到交通流的高阶特征，之后将所述高阶特征输入到梯度提升决策树回归模型(GBDT)中进行短时交通流预测。本发明可以对交通流数据进行更加深入的挖掘分析，而且把输出层改为GBDT后，可以有效的提高短时交通流预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110458337B
公开(公告)日：2020-12-22
申请号：CN201910667491.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 一种神经网络的网约车供需预测方法，通过采集各类网约车出行数据，并利用卷积神经网络来提取特征和降维，再将提取到的特征图谱输入到门控循环神经网络中来进行网约车供需预测，在训练过程中对模型进行调整，最后通过调整后的模型对网约车供需差额进行预测。本发明的方法可以对网约车供需差额数据进行更深入的挖掘分析，因此在对网约车供需预测时更为精确，性能更好。
-
公开(公告)号：CN110458337A
公开(公告)日：2019-11-15
申请号：CN201910667491.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 一种神经网络的网约车供需预测方法，通过采集各类网约车出行数据，并利用卷积神经网络来提取特征和降维，再将提取到的特征图谱输入到门控循环神经网络中来进行网约车供需预测，在训练过程中对模型进行调整，最后通过调整后的模型对网约车供需差额进行预测。本发明的方法可以对网约车供需差额数据进行更深入的挖掘分析，因此在对网约车供需预测时更为精确，性能更好。
-
公开(公告)号：CN110458336B
公开(公告)日：2020-06-09
申请号：CN201910667484.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于深度学习的网约车供需预测方法，首先通过网约车出行数据中订单信息、天气信息、交通拥堵信息和区域标识信息进行分析和预处理，然后分析模型结构并构建只有一个门结构的网络模型MC‑LSTM(Minimal Coupled Long Short Term Memory，简称MC‑LSTM)，并利用影响网约车供需预测的数据特征设计数据集，完成网约车供需预测模型的设计。实现了对目标城市各区域未来10分钟网约车供需差额值的预测，更好的调配车辆资源。
-
公开(公告)号：CN110458336A
公开(公告)日：2019-11-15
申请号：CN201910667484.8
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于深度学习的网约车供需预测方法，首先通过网约车出行数据中订单信息、天气信息、交通拥堵信息和区域标识信息进行分析和预处理，然后分析模型结构并构建只有一个门结构的网络模型MC-LSTM(Minimal Coupled Long Short Term Memory，简称MC-LSTM)，并利用影响网约车供需预测的数据特征设计数据集，完成网约车供需预测模型的设计。实现了对目标城市各区域未来10分钟网约车供需差额值的预测，更好的调配车辆资源。
-
公开(公告)号：CN110322695A
公开(公告)日：2019-10-11
申请号：CN201910667478.2
申请日：2019-07-23
Applicant: 内蒙古工业大学
Abstract: 首先对天气数据和交通路口过车数据进行分析和预处理，输入到门限循环神经网络(GRU)中提取到交通流的高阶特征，之后将所述高阶特征输入到梯度提升决策树回归模型(GBDT)中进行短时交通流预测。本发明可以对交通流数据进行更加深入的挖掘分析，而且把输出层改为GBDT后，可以有效的提高短时交通流预测的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
