[发明专利]一种基于卷积长短期记忆网络的区域交通需求预测方法

摘要

本发明涉及一种基于卷积长短期记忆网络的区域交通需求预测方法，属于计算机数据分析领域。本发明提出一个融合多任务的框架。对于交通流预测问题，添加多任务学习层。通过底层参数共享，同时完成多个预测目标，提高泛化能力。传统交通需求预测方法只处理单一预测任务，没有考虑到多个相关的任务能够并行的特点。本发明引入多任务学习的想法，将多个任务整合在模型的最顶层同时进行训练，代替分别训练每个任务。加入多任务层能够充分利用网络中的共享权重，提供更好的预测结果。

主权项

1.一种基于卷积长短期记忆网络的区域交通需求预测方法，其特征在于，步骤如下：/nS1交通需求数据预处理/nS1.1数据筛选：交通订单数据包含上下车时间、地点及行车GPS轨迹；根据预测目标，从交通订单数据中提取上车时间及地理位置数据；/nS1.2数据清洗：对于提取后的数据，清洗其中的缺失值、异常值及错误纪录；/nS2交通需求数据时间空间划分/nS2.1根据预测目标，以T分钟为间隔，统计交通需求量，统计得到的数据记为X；/nS2.2对于需要预测的t时刻，从S2.1所统计的交通需求量数据中，分别获取其对应邻近性、周期性和趋势性数据；邻近性数据为X中的[X