多任务融合图注意力网络

城际需求预测提升13%

区别于单城市模型，该网络通过多任务融合与图注意力机制捕获城际间复杂的时空相关性，实现多区域往返需求的高精度预测。

Zezhong, Dai · 王成 · Die, Hu · Chen, Jianwei · Shunkai, Fu

Neural Computing and Applications 2024

参数信息

预测性能提升

13 %

技术优势

跨城建模

通过多任务融合和循环图注意力网络，捕获城际间空间与时间上的相关性。

已验证有效

消融实验证实了该方法各组件的有效性。

应用场景

• 智能交通系统：为跨城出行平台提供实时需求预测，优化车辆调度
• 出行需求预测：预测区域间往返需求，辅助运力配置
• 城际交通规划：发现城际需求热点，支撑线路规划