一种基于深度学习的出租车出行需求预测方法及系统

本发明公开了一种基于深度学习的出租车出行需求预测方法及系统，采用VMD技术对高铁站出租车需求数量数据进行分解，得到模态分量及变量；构造双层LSTM预测模型；采用SSA算法寻找LSTM神经网络模型中的最优超参数，对双层LSTM预测模型进行优化，得到SSA‑LSTM模型；将VMD技术处理后的模态分量及变量作为输入数据，输入SSA‑LSTM模型中，通过全连接层输出各个模态分量对应的预测值，将各个模态分量对应的预测值叠加后获得最终预测结果。本发明提高了对高铁站出租车数量需求变化的敏锐度，进一步提升了预测的准确性，有助于缓解由于火车站出租车资源供给与日益增长旅客需求不匹配引起的矛盾。