TL;DR本文提出了一种基于图神经网络和注意力机制的乘客 OD 流量预测框架,通过捕获不同位置出发的请求之间的各种线性和非线性依赖关系以及该地点的重复模式和上下文数据,预测乘客的 OD 流量,同时确定覆盖道路网络的网格单元的最佳大小,得到较优的预测效果。
Abstract
passenger request prediction is essential for operations planning, control,
and management in ride-sharing platforms. While the demand prediction problem
has been studied extensively, the Origin-Destination (OD)
提出了 ODformer 模型,使用 OD Attention 机制捕捉 OD 对的特殊空间依赖关系,在与 2D-GCN 相结合后大大提高了模型在不同应用方案下的预测能力,并使用 PeriodSparse 自注意力有效预测不同场景下长序列 OD 矩阵系列。经过大量实验证明,该方法优于现有的最先进方法。