计算机应用研究

作者：安磊,赵书良,武永亮,陈润资,李佳星,

单位：河北师范大学a.数学与信息科学学院;b.河北省计算数学与应用重点实验室,石家庄050024；

关键词：长短时记忆循环神经网络,网约车数据,交通优化调度,TensorFlow,深度学习,

基金：国家自然科学基金资助项目(71271067)；国家社科基金重大项目(13&ZD091)；河北省高等学校科学技术研究项目(QN2014196)；河北师范大学硕士基金资助项目(CXZZSS2017048)；；

以网约车订单等真实数据为数据源，结合TensorFlow深度学习框架，利用循环神经网络（recurrent neural networks）方法，预测网约车在未来某时间某地点的订单需求量。提出改进LSTM RNN（长短时记忆循环神经网络）模型，经过对其优化和训练，能够有效预测网约车未来某时间某地点的供需量。对数据源进行可视化分析，排除不相关数据源干扰，以此为基础设计仿真实验。仿真实验表明，该模型的正确率比反向传播神经网络（BPNN）、回归决策树（DTR）、非线性回归支持向量机（SVR）以及随机漫步（RW）等模型高，同时，对长短间隔不同的历史数据有较好的记忆能力，在测试数据上有较强的泛化能力。

来源：2019年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第3期