基于深度聚合神经网络的网约车需求时空热度预测方法

    公开(公告)号:CN113935530A

    公开(公告)日:2022-01-14

    申请号:CN202111202355.5

    申请日:2021-10-15

    Abstract: 本发明提出了基于深度聚合神经网络的网约车需求时空热度预测方法,实现了需求热度的准确预测,通过互联网下载网约车订单数据,获取天气数据,通过在线地图API接口,获取城市区域POI数据;对以上数据进行预处理为外部环境变量、时空变量、空间变量数据,分为训练集和测试集两个部分;将训练集数据深度聚合神经网络模型包括依次序连接的一个输入层、一个隐藏层、融合层F1、融合层F2;再将误差最小化;直到精度到达设定阈值训练完成,将测试集数据输入训练完的模型中,预测网约车需求;采用采用均方误差和平均绝对误差计算准确率用于模型评价。

    基于综合评价的个性化乘车点推荐方法及系统

    公开(公告)号:CN112734235A

    公开(公告)日:2021-04-30

    申请号:CN202110030427.6

    申请日:2021-01-11

    Abstract: 本发明公开一种基于综合评价的个性化乘车点推荐方法及系统,为实现乘车点的个性化推荐,依据司乘信息及订单生成时间,将乘车点推荐划分为日间推荐模式与夜间推荐模式,综合分析各推荐模式下的乘车点选取方案并结合司乘匹配度,综合考虑乘车点的距离收益,拥堵系数,安全系数及历史推荐热度等关键因素,建立综合评价指标,将综合评价指标高的乘车点推荐给乘客。本申请的方法和系统严格控制各乘车点的订单量,实现同时间段同乘车点的合理定量分配,避免由于个别乘车点订单堆积而造成的交通拥堵。

Patent Agency Ranking