【ECML-PKDD 2019】基于邻域增强LSTM模型的出租车乘客需求预测（A Neighborhood-augmented LSTM Model for Taxi-Passenger Demand Prediction）

题目： A Neighborhood-augmented LSTM Model for Taxi-Passenger Demand Prediction

简介：

在世界范围内，出租车是一种方便的交通工具。准确预测出租车的需求对于出租车公司有效地将其车队分配到出租车站，减少乘客的等待时间，从而提高整体满意度和客户保留率至关重要。如今，有关出租汽车的准确信息是可用的，可以用来推断不同地点和时间点的出租汽车乘客的需求。本文提出了一种既考虑了某一特定摊位的需求历史，又考虑了近邻摊位的信息，从而预测某一特定摊位的拣货需求的方法。我们的模型是一个LSTM神经网络，该神经网络由空间邻域信息扩展而来。对来自葡萄牙波尔图市的两个版本的出租车需求数据集的实验表明，相比于不利用邻近地区的方法,我们的方法可以提供更好的预测。

作者简介：

Le Quy Tai就职于德国汉诺威莱比兹大学，也是L3S研究中心的成员。研究兴趣为数据挖掘，机器学习，深度学习，时间序列，能量分解。

Wolfgang Nejdl是德国汉诺威莱布尼茨大学计算机科学教授，也是L3S研究中心的成员。研究兴趣是信息检索、网络科学、社交媒体、数据挖掘、语义技术。

Eirini Ntoutsi是汉诺威莱布尼茨大学电气工程和计算机科学学院的副教授，也是L3S研究中心的成员。研究领域是数据挖掘和机器学习。