Spatiotemporal Multi-Graph Convolution Network for Ride-Hailing Demand Forecasting

• 问题类别

回归、网络结构、多图

• 问题描述

区域级（将一个城市按1平方km分为多个区域）的乘车需求预测。区域级乘车需求预测的目标是在历史观测的基础上，预测城市各区域未来的乘车需求。以前的方法：1、基于区域的时空预测中，使用的是处理欧几里德数据的卷积神经网络和递归神经网络。2、当用RNN建立时间相关模型时，每个区域都是独立的或仅基于局部信息（和全局信息相反，如没有考虑城市所有区域一些事件的影响）进行处理的。

• 解决方法的核心思路

使用非欧几里德关系（即图神经网络）进行预测，具体为多图时空图卷积网络。1、空间建模。根据区域节点在不同关系（地理位置邻接、功能相似、交通连通性）构建不同的图（邻接矩阵）进行图卷积训练；2、时间建模。使用RNN建立时间相关模型时，考虑了全局和上下文信息（比如城市内所有乘车需求的增加/减少通常会影响未来需求，某个区域正在施工也会影响未来需求），对不同的历史观测值进行加权处理。