摘要
本发明属于时空数据挖掘领域,公开了一种基于先验因果传递的城市出行需求预测方法。所述预测方法首先收集历史城市出行需求数据,构造训练集;接着构建基于先验因果传递的深度学习模型,包括因果去偏模块、因果图学习器、先验因果传递模块和融合预测模块;采用训练集对深度学习模型完成训练;最后将训练好的深度学习模型应用于未来城市出行需求数据的预测。本发明的预测方法能够有效提升预测模型的精度和鲁棒性。
技术关键词
出行需求
深度学习模型
矩阵
输出特征
学习器
生成城市
特征提取模块
动态
训练集
共享单车
数据
出租车
公交车
网络
鲁棒性
参数
编码器
精度
系统为您推荐了相关专利信息
图书推荐系统
个性化图书推荐方法
生成个性化推荐
矩阵
BERT模型
策略生成方法
雷达
矩阵
策略生成装置
Q学习算法
光谱分析模型
色素
皮肤治疗
时间序列图像
多尺度特征提取