Nov, 2020
基于深度多任务多图学习的多模式打车需求联合预测
Joint predictions of multi-modal ride-hailing demands: a deep multi-task multigraph learning-based approach
Jintao Ke, Siyuan Feng, Zheng Zhu, Hai Yang, Jieping Ye
TL;DR本研究提出了一种深度多任务多图卷积学习方法,通过多个多图卷积神经网络对不同服务模式的需求进行预测,并建立多任务学习模块来实现跨网络知识共享,从而更好地实现车辆资源的分配和调度。在曼哈顿的出租车数据集上进行评估,结果表明我们的方法在不同出行方式的需求预测准确性方面优于基准算法。