公开(公告)号：CN112150207B

公开(公告)日：2025-01-14

申请号：CN202011061820.3

申请日：2020-09-30

Applicant: 武汉大学

Inventor： 乐鹏 ,  颜哲人 ,  黄立 ,  刘广超 ,  姜良存

IPC: G06Q30/0202 ,  G06Q30/0204 ,  G06Q50/43 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 为了更合理的分配网约车资源，降低网约车空驶率，提高网约车运营效率，本发明提供了基于时空上下文注意力网络的网约车订单需求预测方法，该方法中构建的网络模型包括堆叠的时空块和一个输出块，每一个时空块包括TRELLIS‑GRU和GAT，TRELLIS‑GRU为门控循环网格网络，GAT为图注意力网络，TRELLIS‑GRU层用于融合时空特征，GAT层用于挖掘不同的时间片段中的空间依赖。本发明充分考虑了城市区域自身的空间位置、不同区域间的相互关系以及多个时间段历史订单的时间依赖对网约车订单需求的影响，从而提高城市区域网约车订单需求的准确性。

公开(公告)号：CN112150207A

公开(公告)日：2020-12-29

申请号：CN202011061820.3

申请日：2020-09-30

Applicant: 武汉大学

Inventor： 乐鹏 ,  颜哲人 ,  黄立 ,  刘广超 ,  姜良存

IPC: G06Q30/02 ,  G06Q50/30 ,  G06N3/04

Abstract: 为了更合理的分配网约车资源，降低网约车空驶率，提高网约车运营效率，本发明提供了基于时空上下文注意力网络的网约车订单需求预测方法，该方法中构建的网络模型包括堆叠的时空块和一个输出块，每一个时空块包括TRELLIS‑GRU和GAT，TRELLIS‑GRU为门控循环网格网络，GAT为图注意力网络，TRELLIS‑GRU层用于融合时空特征，GAT层用于挖掘不同的时间片段中的空间依赖。本发明充分考虑了城市区域自身的空间位置、不同区域间的相互关系以及多个时间段历史订单的时间依赖对网约车订单需求的影响，从而提高城市区域网约车订单需求的准确性。