【技术实现步骤摘要】
本专利技术涉及一种基于改进门控循环单元的网约车供需预测方法，属于交通大数据分析。
技术介绍
1、在网约车经济蓬勃发展的同时，也慢慢浮现出一些问题。比如，在打车高峰期容易打不到车，等待时间较长，车辆调配不均匀等问题。同时，网约车空车巡游较高，司机长时间接不到订单也增加了运行成本，这些都制约了网约车行业的发展，同时也加重了城市的交通压力，使交通变得更加拥挤，同时还会加重空气污染，增加交通安全隐患，这是一个需要解决的问题。只有对未来的网约车需求进行较准确的预测，才能更好对区域的网约车进行统一管理，提高车辆调度效率，从而缩短乘客与网约车的匹配时间，降低乘客的等待时间，提高乘客出行的幸福度和满意度，这对网约车未来经济的发展会产生很大的影响。
2、
技术实现思路
1、本专利技术所要解决的技术问题在于提供一种基于改进门控循环单元的网约车供需预测方法，从而克服上述现有技术的不足。
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、一种基于改进门控循环单元的网约车供需预测方法，包括以下步骤：
4、(1)收集网约车出行记录数据和气象数据，并选取网约车出行记录数据中的乘客上车时间、下车时间、司机id、上车点经纬度、下车点经纬度、出发地pio、目的地pio构成网约车出发地-目的地需求数据；
5、(2)依据经纬度将目标区域进行网格划分；
6、(3)将得到的网约车出发地－目的地需求数据，根据经纬度映射到划分的网格中，得到网约车出
7、(4)运用数据标准化方法对气象数据中的温度、风寒指数、湿度、能见度、风速和降水量进行处理，使得数据值的取值范围统一；并对气象数据中的天气状况数据进行独热编码处理，使离散数据转化成向量；得到预处理后的气象数据；
8、(5)将网约车出发地－目的地需求矩阵数据、预处理后的气象数据和网约车需求模式相似度信息，输入到基于改进门控循环单元的网约车需求预测模型中，即得到预测出的下一时刻的网约车需求矩阵。
9、作为一种优选，所述的网约车出行记录数据包括：司机id，乘客上车时间、乘客下车时间、付款数据、上车点经纬度、下车点经纬度、出发地pio、目的地pio、订单发生的时间戳，乘客id、乘客的虚拟号码、乘客数量、旅程距离、花费金额；所述的气象数据包括：温度、风寒指数、湿度、能见度、风速、降水量和天气状况。
10、作为一种优选，所述的步骤(2)是将目标区域划分为15×5个互不重叠的网格，每个网格的大小为0.75km×0.75km。
11、作为一种优选，所述的基于改进门控循环单元的网约车需求预测模型，由四部分组成：第一部分，局部空间特征提取模块，这部分主要是利用在卷积神经网络对订单起点周围的空间信息和订单终点周围的空间信息进行处理，提取出网约车需求的局部空间依赖特征；第二部分，时间演化特征提取模块，这部分先把第一部分得到的局部空间依赖特征、之前提到的网约车需求模式相似度信息和气象数据融合在一起，再利用卷积门控循环单元对这个融合特征进行处理，得到融合天气预报因素和网约车订单关联度信息的局部时空特征，进而利用它来分析网约车的需求；第三部分，全局关联模块，用于获取所有区域的关联关系，具体来说是计算所有区域之间的相似性，并把这个相似性矩阵作为权重矩阵，与之前得到的局部时空特征进行加权求和，得到带有全局关联特征的时空特征；第四部分，输出层，利用带有n个滤波器的卷积层对上一部分得到的时空特征进行处理，再用tahh函数进行激活，就输出了下一个时间间隔的网约车需求矩阵。
12、有益效果：与现有技术相比，本专利技术通过对网约车供需进行更准确的预测，能够优化车辆调度和资源分配，提高服务的响应速度，提升乘客满意度，同时，精准预测网约车的供需情况可以有助于更好地理解和优化城市交通流，为城市规划和管理提供数据支持，帮助决策者更好地了解城市运行状况，并在一定程度上缓解交通拥堵问题，提高城市的交通效率和城市管理水平。通过精准的网约车供需预测，可以让网约车运营公司更有效地管理车队规模，避免过度或不足的车辆投放，从而降低运营成本。通过合理的网约车供需预测，网约车平台可以更好地满足用户的需求，减少等待时间，提高用户体验。
本文档来自技高网...【技术保护点】
1.一种基于改进门控循环单元的网约车供需预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的网约车出行记录数据包括：司机ID，乘客上车时间、乘客下车时间、付款数据、上车点经纬度、下车点经纬度、出发地PIO、目的地PIO、订单发生的时间戳，乘客ID、乘客的虚拟号码、乘客数量、旅程距离、花费金额；所述的气象数据包括：温度、风寒指数、湿度、能见度、风速、降水量和天气状况。
3.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的步骤(2)是将目标区域划分为15×5个互不重叠的网格，每个网格的大小为0.75km×0.75km。
4.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的基于改进门控循环单元的网约车需求预测模型，由四部分组成：第一部分，局部空间特征提取模块，这部分主要是利用在卷积神经网络对订单起点周围的空间信息和订单终点周围的空间信息进行处理，提取出网约车需求的局部空间依赖特征；第二部分，时间演化特征提取模块，这部分
...【技术特征摘要】
1.一种基于改进门控循环单元的网约车供需预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的网约车出行记录数据包括：司机id，乘客上车时间、乘客下车时间、付款数据、上车点经纬度、下车点经纬度、出发地pio、目的地pio、订单发生的时间戳，乘客id、乘客的虚拟号码、乘客数量、旅程距离、花费金额；所述的气象数据包括：温度、风寒指数、湿度、能见度、风速、降水量和天气状况。
3.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的步骤(2)是将目标区域划分为15×5个互不重叠的网格，每个网格的大小为0.75km×0.75km。
4.根据权利要求1所述的基于改进门控循环单元的网约车供需预测方法，其特征在于，所述的基于改进门控循环单元的网约车需求预...
【专利技术属性】
技术研发人员：周德松，徐桂林，胡凯华，伍帅先，
申请(专利权)人：贵州智诚科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。