摘要
本发明公开了一种共享单车时空数据预测模型及方法,其中方法包括:构建共享单车投放点客流时空矩阵;使用k‑means进行聚类,获取聚类标签;使用CNN网络捕捉投放点之间的空间特征;依据投放点之间的空间特征经LSTM处理捕捉客流时序特征,获取训练后网络模型;利用训练后网络模型进行目标投放点客流预测。本发明提出了CNN‑LSTM模型进行短期客流预测,利用Gap‑statistic确定最佳聚类数,利用相关系数得到关联性最大的投放点,经过特征融合,使用CNN卷积捕获投放点之间的空间特征,使用LSTM捕获时序特征,具有更高的预测效果和精度。
技术关键词
时空数据预测方法
共享单车
时空数据预测模型
客流预测
时序特征
聚类
非暂态计算机可读存储介质
网络
矩阵
双曲正切函数
LSTM模型
标签
记忆单元
处理器
蒙特卡洛
模块
存储器
非线性
电子设备
系统为您推荐了相关专利信息
卷积注意力网络
在线迁移学习
注意力机制
时序特征
预测误差
能耗预测模型
能耗预测方法
机房
深度特征融合
分类网络
医疗耗材管理方法
因子
非易失性计算机存储介质
计算机可执行指令
数据采集设备
建筑碳排放实时在线监测系统
编码向量
变量
检测箱体
时序特征
柱上断路器
智能控制方法
卡尔曼滤波融合
电流
指数