一种基于知识注入时空图卷积网络的大城市出租车需求预测方法

一种基于知识注入时空图卷积网络的大城市出租车需求预测方法，准备天气和周末外部数据、区域连通性及出租车需求时间序列文件；将天气与周末数据构造成实体三元组，空间依赖关系构建成区域连通性文件，时间依赖关系构建成时间序列文件；用TransR知识图谱模型挖掘天气和周末实体三元组本身及相互间的关系；用动态融合单元将出租车需求数据与TransR所得到的实体和关系语义嵌入文件进行融合感知，得到更新后的区域表示；将区域连通性文件与更新后的区域表示馈送到时空图卷积网络得到出租车需求时空依赖关系，将其馈送到全连接层预测未来出租车需求数量。本发明提高出租车需求预测精度，帮助政府和交通部门优化资源配置，减少乘客需求与供给不匹配现象发生。