软件学报

作者：于瑞云，林福郁，高宁蔚，李婕

单位：于瑞云，东北大学 软件学院, 辽宁 沈阳 11016911,林福郁，东北大学 软件学院, 辽宁 沈阳 11016902,高宁蔚，东北大学 软件学院, 辽宁 沈阳 11016903,李婕，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016904

关键词：城市计算;时空相关性;可变型卷积网络

基金：国家自然科学基金（62072094）；辽宁省兴辽英才计划（XLYC2005001）；辽宁省重点研发计划（2020JH2/10100046）；中央高校基本科研业务费专项资金（N182608004）

随着滴滴、Uber等出租车服务的日益普及，用户的乘车需求预测逐渐成为智慧城市、智慧交通的重要组成部分.准确的预测模型既可以满足用户的出行需求，也可以降低道路车辆空载率，有效地避免资源浪费，并缓解交通压力.车辆服务商可以收集到大量GPS数据及用户需求数据，然而，如何合理运用数据进行需求预测，是关键且实用的问题.提出一种结合城市POI的可变形卷积时空网络（DCSN）模型来预测区域乘车需求，模型包括两部分——可变形卷积时空模型与POI需求关联模型：前者即通过DCN与LSTM建模未来需求与时空之间的相关性，后者则通过区域POI差异化指数与需求差异化指数捕捉区域间的相似关系.最后使用全连接网络将两个模型整合起来，进而得出预测结果.使用滴滴出行的大型真实乘车需求数据进行实验，最终实验结果表明，所提出的方法在预测精度上优于现有的预测方法.

来源：2021年第12期

《软件学报》期刊编辑部

查看软件学报杂志2021年第12期