多维时空因果关系学习的停车泊位占用率预测技术
针对停车泊位占用率预测方法中对空间因素和多维度影响因素考虑不足的问题,扩展了格兰杰因果关系模型,提出一种综合考虑时空相关性和多维度影响因素的停车泊位分析模型,并在此基础上设计了基于神经网络的停车泊位占用率预测算法. 采用欧盟FP7项目提供的CityPulse数据集进行仿真实验,实验结果表明:基于多维时空因果关系的神经网络学习预测方法较其他基于时空相关性的停车泊位预测方法的预测精度都有提高;在容量为56辆车的停车场样本中,对0. 5 h后和1. 0 h后停车泊位占用率进行预测的平均绝对误差低至2. 488、3. 418,绝对误差小于20%、10%的预测结果占比更大.
停车泊位占用率、多维度影响因素、时空相关性、格兰杰因果关系、时空因果关系、神经网络
46
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61602016
2020-01-18（万方平台首次上网日期，不代表论文的发表时间）
共7页
17-23
