基于深度时空卷积网络的民航需求预测

被引：5

作者：

林友芳 ^{[1
,2
,3
]}

康友隐 ^{[1
,2
]}

万怀宇 ^{[1
,2
,3
]}

吴丽娜 ^{[3
]}

张宇翔 ^{[4
]}

机构：

[1] 北京交通大学计算机与信息技术学院

[2] 北京交通大学交通数据分析与挖掘北京市重点实验室

[3] 民航旅客服务智能化应用技术重点实验室

[4] 中国民航大学计算机科学与技术学院

来源：

北京交通大学学报 | 2018年 / 42卷 / 02期

关键词：

民航需求预测; 在线机票查询; 时间序列曲线; 卷积神经网络;

D O I：

暂无

中图分类号：

V354 [旅客运输技术设备];

学科分类号：

摘要：

在线机票预订网站上的用户查询量变化是真实的民航市场需求变化的反映.通过对机票查询数据进行分析,可以准确地预测航班需求,以利于民航业做出快速的市场反应.提出了一种基于深度时空卷积神经网络的民航需求预测模型（DSTCN-FRP）,将用户查询量时间序列数据转换成航线网格图,设计多层卷积神经网络来捕捉用户需求与查询数据之间的时间和空间依赖,同时加入节假日等外部因素,最后得到未来一段时间内的民航需求量.在某在线订票网站的真实查询数据集上进行了实验,结果表明:DSTCN-FRP模型优于其他现有的预测方法,其MAE比其他方法降低了15%50%,RMSE降低了12%28%.

引用

页码：1 / 8

页数：8

共 3 条

[1] 交通流预测方法综述
刘静
关伟
[J]. 公路交通科技, 2004, (03) : 82 - 85
[2] Predicting Summer Arctic Sea Ice Concentration Intraseasonal Variability Using a Vector Autoregressive Model *[J] . Lei Wang,Xiaojun Yuan,Mingfang Ting,Cuihua Li.Journal of Climate . 2016 (4)
[3] Deep spatio-temporal residual networks for citywide crowd flows prediction .2 ZHANG J,ZHENG Y,QI D. Thirty-first AAAI Conference on Artificial Intelligence . 2017

← 1 →