![](https://csdnimg.cn/release/download_crawler_static/86769612/bg1.jpg)
安 阳 工 学 院 科 技 文 献 写 作 报 告
Scientific and Technological Literature Writing Report of AYIT
基于属性网络学习的供需匹配策略的设计
赵志刚
*
,王老师
安阳工学院 计算机科学与信息工程学院,安阳 450000
【摘 要】 现有的共享出行上的供需匹配研究,多数存在着搜索空间与目标维度过大,因此能够识别对象相关性的网
络表示学习成为了一种解决方法。同时现有表示学习方法往往仅关注网络结构,未融合出行者的物理与偏好信息,进而造成
共享出行供需匹配因无法区分个体属性而遭遇响应率低的问题。针对上述问题,本文提出了一种基于属性网络表示学习的网
约共享车供需匹配优化策略, 将乘客的偏好信息与网络结构相结合,在供需匹配中融入乘客的特征属性。具体研究内容包括:
首先扩展了 R-Tree 遍历检索车辆轨迹点与乘客出行起终点获得每对司乘双方一定距离范围内的相遇地集合。基于此, 构造基
于异质信息网络的共享出行网络结构并建模乘客的距离偏好属性。通过与多种其他方法相比,本文的方法在匹配效果上取得
了明显的改善。
【关键词】 共享出行,供需匹配,属性网络表示学习,注意力模型
实验时间: 2022-10-16
报告时间: 2033-33-33
指导教师
*学号:1900000000
*E-mail:lmytime@hotmail.com
1 引 言
本文主要研究了适应乘客距离偏好的供需匹
配问题, 利用网络表示学习技术实现司乘双方相似
度建模与排序。本文首先根据司乘的出行行为构
造了基于 HIN 的共享出行属性网络(ARN) 与乘
客的距离偏好属性; 针对具有相遇点的共乘出行场
景,以优化司乘双方等待时间为目标设计出行元
路径, 并通过网络表示学习方法生成蕴含时空语义
的司机和乘客的表示向量, 同时根据司乘参与共乘
前各自的路程与共乘后的路程之差建模并表示距
离属性; 然后引入基于注意力机制的融合方法,通
过自适应分配权重融合乘客的表示向量和属性向
量; 最后度量司乘之间的向量相似性,实现供需匹
配。本文的主要研究内容包括:
(1)构建属性异质信息网络。首先基于预设空
间约束,扩展 R-Tree 遍历检索车辆轨迹点与乘客
出行起始地,获得每对司乘双方一定距离范围内
的相遇地集合。为降低相遇地数据规模,实现快速
供需匹配,根据相遇时间窗口和乘客节省距离信
息,进一步优化相遇地的选取。
(2
)生成用户表示
向量和属性表示向量。基于构造的网络,设计了包
含时空语义的出行元路径模型,并以等待时间为
目标,通过网络表示学习方法生成体现时空结构
的司乘对向量。
(3)提出了基于注意力机制的向量融合与匹配
策略,协同学习基于结构与基于属性的向量权重,
实现两类向量融合,在乘客的表示中同时包含了
时空的网络结构和个人的属性特征。最后通过对
司机和融合后的乘客向量进行相似度排序,确定
了每名司机的供需匹配方案。
2 实 验
在本文的实验中, 为了在表示向量中能够体
现出相遇点和时间窗口与用户的时空结构关系,
JERR 所使用的元路径均为 ULTLU 类型。对于所
有的对比方法,本文设置行车速度为 72km/h,乘
客来往相遇点的行走速度为 1.2 米/秒 I58,此外本
文还维持这样的假设: 往返一个相遇点的总旅行时
间不能超过共享乘车所花费的时间,因此还需要
考虑司机和乘客的时间灵活性。本文还限制了乘
客的行走速度和行走范围,即乘客到达相遇点所
花费的时间以及乘客愿意行走到达的最大距离, 具
体允许的最大步行时间和距离分别为 15 分钟和 3
评论0
最新资源