基于时空图的共享单车流量预测

来源 :华东师范大学 | 被引量 : 0次 | 上传用户:jch26
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
共享单车作为一种便利环保的出行形式,近年来受到了广泛关注,而共享单车的流量预测是研究共享单车分布动态演化并对单车进行合理调度管理的关键技术,对于解决当前城市中共享单车分布不均匀的问题至关重要。但是如何准确高效地预测共享单车流量仍然是一个困难的问题,传统的流量预测方法难以处理当前海量的单车骑行数据,并且在解决较大规模地区内的时空相关性问题上还是有所欠缺。针对上述问题,本文提出一种基于时间-空间地图模型的长短期记忆时空图神经网络框架(Long Short-term Memory Spatial Temporal Graph Neural Network,ST_LGNN)预测共享单车流量的新算法,可以对城市规模的单车流量进行准确预测。本文使用加权数理图模型对单车骑行数据进行建模,得到高质量的共享单车站点时序图。通过ST_LGNN对站点间时空关系的综合提取,对共享单车的时序数据也做出了精确预估。在多个实际数据集上的实验结果显示,相比目前的多种优化方法,本文所提出的ST_LGNN模型在平均绝对误差上均有了20%以上的提升,确认了所给出的方法是有效的。本篇文章的重要贡献有以下几点:1)基于共享单车停放点的聚合构建共享单车站点图序列模型。使用域自适应密度聚类算法(Domain Adaptive Density Clustering,DADC)将共享单车数据集中的单车停放点进行合理聚类,为这些站点建立了一个加权数理图模型,再通过删除收入和效用较低的劣质站点,得到一个高质量的共享单车站点图,并为这些站点图增加一个时间维度,以此建立时序模型。2)提出了一种新的长短期记忆时空图神经网络框架ST_LGNN模型,提升预测性能。建立了一种位置表示法来捕捉每个节点之间的因素,通过学习一个潜在的位置表示,并为了捕捉事件相关性,采用长短期记忆(LongShort-term Memory,LSTM),来处理序列信息。LSTM操作被单独应用于每个节点,并且所有节点参数彼此共享。模型采用转化层来直接捕获全局依赖性,并且转化层也单独应用于每个节点。为了在处理时合并空间关系,修改了GCN运算,实现对时间和空间关系的综合提取,从而提升了模型对时空序列数据的预测能力。3)基于多个真实数据集进行充分实验,证实模型优秀性能。基于多个真实的共享单车轨迹数据集,对共享单车流量进行了预测,进行了充分实验,并将结果与DCRNN、Graph Wavenet、STAWnet、STGNN等多个现有的神经网络方法进行比较。从平均绝对误差(Mean Absolute Deviation,MAE)的结果来看,模型性能都为ST_LGNN最优。本文创新提出的ST_LGNN方法在平均绝对误差上均有20%以上的提升,具有比其它的基准模型都要好的预测效果。本文使用了多个真实的共享单车数据集,对所提出的ST_LGNN模型进行性能测试。实验的结果表明了本文所提出的ST_LGNN模型在实现对未来时间段内共享单车的流量预测的问题上有十分显著的提升。
其他文献
信息过载问题的深化和交叉研究的兴起对信息检索系统的过滤能力提出了更高的要求,检索词推荐是降低不相关信息影响、提升信息质量的一项基础信息检索服务。本文引入计算语言学中的依存句法理论和语言网络理论,以揭示科学概念在科学文献中的关联,并将这些关联作为一种信息筛选和过滤的标准,提出了一种基于语言网络的检索词推荐方法。该方法基于Web of Science平台124516篇Information Scien
学位
随着数字人文研究的兴起,大数据、GIS、语义网、虚拟交互(AR/VR)人工智能等技术革新了人文研究范式。一方面,可复用、可关联及可聚合的高质量人文数据成为人文研究的基础。这导致对智慧数据的需求越来越大,面向人文研究的基础设施不再局限于数字化,而向数据化、语义化转变;另一方面,人文研究行为更多地发生于数字环境,跨区域、跨学科、跨层级的开放虚拟协作环境成为数字人文研究的基本条件。这对数据权属界定、数据
学位
开放共享观念的出现,科研项目开始利用开放存取的科研数据,推动了开放科学研究的起步和发展,这一现象也受到各国政府机构和科研机构的关注与重视,越来越多的学者开始研究科研数据服务的理论与实践现状。研究主要集中在对科研数据管理的理论研究和以问卷或网络调研的科研数据服务实践现状的研究,通过研究对我国高校实际的科研数据服务提出简要建议,而对服务模式的研究相对欠缺。本研究的研究方法为文献调研、网络调研、案例分析
学位
分析型数据库通常需要在大规模数据集上高效完成复杂查询处理,主要包括查询优化和查询执行。作为现代分析型数据库最重要最核心的功能,查询处理涉及的代码范围广,处理逻辑复杂,导致测试的高成本,缺乏充分和灵活的测试可能导致在生产环境中出现严重的问题。现有针对查询执行正确性验证的工作存在负载质量不高,理想结果集(验证集)获取难度大等问题。常见的标准评测基准比如SSB、TPC-H由于缺乏数据的倾斜度和负载的多样
学位
异构多核系统由于包含不同类型的计算单元,从而可以灵活地执行不同类型的计算任务,提高了复杂嵌入式系统的计算性能。现在FPGA加速器正在被集成入异构多核系统。和通用处理器使用指令集执行任务不同,FPGA使用其上的硬件计算资源CLB(Configurable Logic Blocks)来执行任务,但是FPGA上的硬件计算资源是有限的,因此在集成FPGA的异构多核系统上调度任务时应考虑这一点。本文提出了一
学位
锂空气电池因具有极高的能量密度成为科研人员研究的热点。但是锂空气电池在实际应用中仍面临着许多困境:绝缘性的放电产物导致较高的充电过电势,从而造成库伦效率的下降;电池反应中高反应性的单线态氧(~1O2),易与电解液和电极材料发生副反应,导致电池性能衰减;空气中非氧气的成分造成锂空气电池发生复杂的反应,因而大多数锂空气电池都只能在纯O2环境下运行。本文从锂空气电池面临的实际问题出发,以阐明其副反应机理
学位
随着大数据时代的到来,数据对于企业和个人的价值已经显得越来越重要,而将数据作为商品进行交易已经成为了企业和个人所关注的焦点。但数据与传统的商品具有很多的不同点,这使得数据的交易不能够简单的套用传统的电商行业的模式,如何能够安全、公平的交易数据商品成为了业界和学界都关注的问题。在传统的电商领域中,都存在一个买卖双方都认可的中间方,例如,淘宝、亚马逊就充当了这一类角色。但在数据领域,这样的权威的中间机
学位
随着大数据时代的到来,信息量成指数型增长。推荐系统作为一种筛选信息的工具,已经成为人们日常生活中不可或缺的一部分,它可以为人们在大量的数据中筛选出他们感兴趣的信息。近些年,伴随着社交网络的兴起,融合社交关系的推荐算法引起了研究者的广泛关注。社交推荐算法通过结合用户间的社交关系,丰富了用户的偏好特征,从而为用户推荐其好友喜欢的物品集合。近年来,图卷积网络凭借着强大的图表征学习能力得到了广泛关注。基于
学位
在物联网技术广泛应用的今天,资源受限设备下的加密算法即轻量级加密算法的安全性强度受到越来越多人的关注。ARX(addition,rotation,XOR)型分组密码由于算法结构简单,软硬件实现便捷,非常适合用于保障物联网环境中的信息交互。由于ARX型结构的特殊性质,差分分析和线性分析对于ARX型密码算法都不能产生较好的攻击结果,但在众多ARX型密码算法的最好攻击结果中,差分-线性分析方法都榜上有名
学位
随着大数据时代的到来,数据存储的重要性变得越来越高,多地域备份的分布式数据库数量逐渐增加,而开发具有正确性、可扩展性和容错性的分布式数据库非常困难并且耗费人力。RAMP(Read Atomic Multi-Partition,基于读原子性的多分区)事务作为一种常见的事务,被广泛应用于分布式事务系统设计的研究中。然而,当前由RAMP开发人员提出的两个多备份RAMP事务设计PHR(Prepare-F
学位