基于Transformer的出租车旅行时间静态预测
作者单位：清华大学土木工程系
会议名称：《第十七届中国智能交通年会（ITSAC2022）》
会议日期：2022年
学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
关 键 词：智能交通 静态旅行时间预测 Transformer
摘 要：随着手机移动应用与网约车平台的迅速发展,出租车出行逐渐成为城市生活中的一种重要的出行方式。当乘客想平台发送订单请求时,本文希望对本次旅程的旅行时间做初步的预测,以辅助平台进行调度决策,并给予驾驶人、乘客一个合理的出行时间预期。由于复杂的路网信息难以实时获取,因此仅依靠上下车地点等有限信息,快速进行计算的静态旅行时间预测是一种经济、合理的选择方式。本文基于著名的多头注意力机制模型,设计了适用于出租车静态旅行时间预测的一个自定义的Transformer网络模型,本文提出的模型应用多头注意力机制考虑异质的输入信息,在纽约市出租车数据集上能够给出比现存的较为流行的预测模型取得更好的预测结果,且具有更快的收敛速度。