文献阅读——出租车出行预测：Real-Time Taxi-Passenger Prediction with L-CNN

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