Because of transportation planning, traffic management, and dispatch optimization importance, passenger origin-destination prediction has become one of the most important requirements for intelligent transportation systems management. In this paper, we propose a model to predict the next specified time window travels' origin and destination. To extract meaningful travel flows, we use K-means clustering in four-dimensional space with maximum cluster size limitation for origin and destination zones. Because of the large number of clusters, we use non-negative matrix factorization to decrease the number of travel clusters. Also, we use a stacked recurrent neural network model to predict travel count in each cluster. Comparing our results with other existing models show that our proposed model has 5-7% lower mean absolute percentage error (MAPE) for 1-hour time windows, and 14% lower MAPE for 30-minute time windows.


翻译:由于运输规划、交通管理和调度的优化重要性,旅客来源目的地预测已成为智能运输系统管理的最重要要求之一。 在本文中,我们提出了一个预测下一个特定时间窗口旅行的起源和目的地的模型。为了吸引有意义的旅行流动,我们使用四维空间的K- means集群,对来源地和目的地区实行最大的集群规模限制。由于集群数量众多,我们使用非负矩阵化来减少旅行集群的数量。此外,我们使用堆叠的经常性神经网络模型来预测每个集群的旅行数量。比较我们与其他现有模型的结果显示,我们提议的模型1小时窗口的绝对百分比差5-7%(MAPE),30分钟窗口的MAPE低14%。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
专知会员服务
17+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18日
已删除
将门创投
7+阅读 · 2019年10月10日
来,试试百度的深度学习情感分析工具
AINLP
5+阅读 · 2019年7月8日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
老铁,邀请你来免费学习人工智能!!!
量化投资与机器学习
4+阅读 · 2017年11月14日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2021年1月15日
Arxiv
35+阅读 · 2019年11月7日
VIP会员
相关资讯
已删除
将门创投
7+阅读 · 2019年10月10日
来,试试百度的深度学习情感分析工具
AINLP
5+阅读 · 2019年7月8日
基于PyTorch/TorchText的自然语言处理库
专知
28+阅读 · 2019年4月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
老铁,邀请你来免费学习人工智能!!!
量化投资与机器学习
4+阅读 · 2017年11月14日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员