公开(公告)号：CN118627702B

公开(公告)日：2024-11-12

申请号：CN202411117155.3

申请日：2024-08-15

Applicant: 北京航空航天大学 ,  中国移动通信集团北京有限公司

Inventor： 邓攀 ,  刘俊廷 ,  陈磊 ,  丛丽 ,  陈子曦 ,  赵宇 ,  李思睿

IPC: G06Q10/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/26

Abstract: 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。

公开(公告)号：CN118627702A

公开(公告)日：2024-09-10

申请号：CN202411117155.3

申请日：2024-08-15

Applicant: 北京航空航天大学 ,  中国移动通信集团北京有限公司

Inventor： 邓攀 ,  刘俊廷 ,  陈磊 ,  丛丽 ,  陈子曦 ,  赵宇 ,  李思睿

IPC: G06Q10/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/26

Abstract: 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。