[发明专利]一种城市用车需求量预测方法、设备及存储介质

摘要

本发明公开了一种城市用车需求量预测方法、设备及存储介质，方法包括：将待预测区域划分成若干网格；采集各个网格内的时态数据和空间数据作为训练集，时态数据包括历史需求、气象特征和事件特征，空间数据包括各区域中各种POIs的数量；将训练集输入至基于BERT的深度空时神经网络模型中进行训练；通过训练完成的模型对待预测区域中任意区域的下一时段的用车需求量进行预测。本发明充分考虑了气象特征和事件特征等外部因素和区域内POIs对用车需求量的影响，以时态数据和空间数据作为训练集，能够提升模型预测的准确度；本方法还使用了基于BERT的深度空时神经网络模型，模型可以并行计算，相较于现有预测模型，能够极大的提升时间效率。