北邮牛琨老师的大作*《Real-Time Taxi-Passenger Prediction with L-CNN》*
写一下自己的收获。
本文是结合CNN与RNN(LSTM)来进行出行预测。
一、 基本思路
CNN提取空间特征,LSTM提取时间特征。
划分时间间隔(预测最小单元)为15min,只选取了上车点的数据进行分析(基于上车、下车有same pattern的假设)。
二、数据整合
流程图如下:
G(t)为t时刻的上车人数格网,将成都市划分为n*n个格网:
其中:
代表该时刻内该格网总的上车人数。
本文中的timestep为1,也即是利用前一个时刻的交通流量,预测下一个时刻的交通流量。根据这一点构建数据集,input为t时刻矩阵,label为t+1的矩阵。
三、训练与预测
结合CNN+LSTM:
CNN用来看懂