买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长安大学;北京化工大学

摘要：本发明公开了一种基于深度学习枢纽网约车需求预测与调度一体化方法，涉及城市交通管理技术领域，包括以下步骤：S1：数据处理：对城市交通枢纽历史的网约车下单量和相关特征数据进行缺失值填补、异常值处理和归一化处理；S2：特征筛选：通过Pearson相关性检验和箱型图分析对相关特征进行初次筛选，采用XGBoost算法计算各特征数据对网约车下单量的影响程度，对特征进行二次筛选；S3：模型构建：构建城市交通枢纽网约车需求预测与调度决策一体化模型；S4：算法设计：设计决策树与深度学习组合算法，计算需要调度的网约车数量。本发明采用上述方法，降低网约车调度决策过程中的信息损失，防止预测误差在决策阶段被进一步放大。

主权项：1.一种基于深度学习枢纽网约车需求预测与调度一体化方法，其特征在于：包括以下步骤：S1：数据处理：对城市交通枢纽历史的网约车下单量和相关特征数据进行缺失值填补、异常值处理和归一化处理；S2：特征筛选：通过Pearson相关性检验和箱型图分析对相关特征进行初次筛选，采用XGBoost算法计算各特征数据对网约车下单量的影响程度，对特征进行二次筛选；S3：模型构建：构建城市交通枢纽网约车需求预测与调度决策一体化模型；在步骤S3中，采用道格拉斯函数刻画网约车的供需匹配过程，公式表达如下： 其中，d是乘客下单量；s是网约车供给量；m是供给量s和下单量d之间成功匹配的数量；a是匹配技术水平；b1和b2是匹配弹性系数；最大化调度决策的收益R：Rs,d＝α×ms,d-β×s其中，α是平台从每个匹配订单中抽取的佣金，β是平台调度网约车到交通枢纽的单位成本；构建如下的网约车需求预测与调度决策一体化模型，基于xn、x和d训练出最优的w*和b*，利用训练好的深度神经网络θxn,d；w*,b*计算出当前需要调度的网约车数量s*： 其中，xn是历史的相关特征数据，x是当前的相关特征数据，wxn,x是第n个网约车历史下单量的权重值，d＝{dn-L,…,dn-2,dn-1}是具有滞后阶数L的网约车历史下单量，θxn,d；w,b是一个含有权值w和阈值b的深度神经网络；S4：算法设计：设计决策树与深度学习组合算法，计算需要调度的网约车数量，在步骤S4中，具体包括以下步骤：S4A：基于树结构，从顶部开始逐层判断历史特征数据xn和当前特征数据x之间的相似性；S4B：特征相似性较高的下单量数据分配到同一分枝；S4C：利用深度学习算法VMD-CNN-BiLSTM-AM挖掘相关特征与下单量之间的复杂非线性关系，VMD-CNN-BiLSTM-AM算法组合了变分模态分解VMD、卷积神经网络CNN、双向长短期记忆神经网络BiLSTM和注意力机制AM。

全文数据：

权利要求：

百度查询： 长安大学 北京化工大学 一种基于深度学习枢纽网约车需求预测与调度一体化方法