摘要

在智慧城市的建設中，出租車需求預測是一個及其重要的問題。準確的預測需求能夠幫助城市預分配交通資源，提前避免交通擁堵，從而緩解交通壓力，同時降低出租車空載率，提高出租車司機收入。傳統的出租車需求預測往往基于時序預測技術（time series forcasting techniques），無法對復雜的非線性時空關系進行建模。深度學習技術的突破為交通預測問題帶來了曙光，但是現存的深度學習網絡架構，往往只單一考慮了時間關系或者空間關系，沒有把兩者結合起來進行建模。

本文提出了 DMVST-Net（Deep Multi-View Spatial-Temporal Network），同時對時間關系和空間更新進行建模。更具體地，該模型同時從三個角度出發（分別是 temporal view, spatial view,semantic view），綜合考慮了出租車需求在路網上分布的時空關系，并利用語義信息，對相似區域的時空模式進行了建模。

值得一提的是，本文運用圖網絡 和 Local CNN 的方法，對由數萬路段組成的大型道路交通網，進行了特征提取，這一舉措，將圖網絡的運用拓寬到一個新的層次，使得大型交通網的建模有了新的解決思路。

主要貢獻

1、提出了一個多視角模型，該模型同時考慮了 spatial，temporal 和 semantic 信息。

2、提出了 Local CNN 的方法，用于捕獲區域的局部特征，該特征受到所捕獲區域鄰近區域的影響。

3、基于不同區域之間的時空模式的相似性，構建了一個 region graph，用于表達區域特征的語義信息。

4、利用滴滴出行的出租車訂單數據進行實驗，驗證了模型的有效性和先進性

模型架構（DMVST-Net）

在介紹模型之前，先用通俗易懂的語言介紹一下論文的主要思路，先用一個易理解的例子來說明：

小明想預測整個廣州市對出租車的使用需求，可是掐指一算，整個廣州市有幾萬條道路，簡單的用一維向量去表示它的話，會丟失空間關系；用圖網絡去構建交通網的話，得到的圖尺寸相當大，瞅瞅自己只有四塊 GPU，怕是帶不動；轉念一想啊，好多前輩都是用一個個規則的格網來表示城市的不同區域，再用 CNN 時空圖像處理的方法建模，可是前輩們做了呀，這可咋整呢。于是小明想了一個辦法：我用傳統的格網去表示城市區域，每個格網的值就代表這個區域出租車的需求量，但是我分別對每個格網構建一個CNN網絡。我再用圖網絡的方法，把城市中每個格網給連接起來，這樣不就能夠表示每個格網（城市區域）之間的聯系了嗎？

模型架構（DMVST-Net）

給小明同學鼓個掌，下面就是小明同學提出的模型。

DMVST-Net 分為三個部分，分別是 Spatial View，Temporal View 和 Semantic View。

Spatial View：Local CNN

什么是Local CNN呢？舉個例子，如下圖所示，我要對 （a）提取特征，最常見的一種方式是把（a）這整張圖像送入到CNN中，進行卷積運算；而另一種方式就是把（a）分塊，把劃分后的每一小塊分別送入到CNN中，也就是每次只對（b）進行卷積運算，最后把每個部分的結果進行綜合，這就是 Local CNN。

提出該方法的動機是地理學第一定律——near things are more related than distant things。舉個例子，相比于湖北省和河北省的人民，湖北省和湖南省的人民生活習慣要更相似，這是因為他倆靠的近。小明同學在這里把廣州市分成了20 x 20個區域，每個區域是0.7km x 0.7km，用7 x 7的二維圖像來表示每一個區域，圖像中每個像素點的灰度值代表出租車的需求量。每張圖像可以用 表示，其中 S=7 。經過K個卷積層后得到?，進行 flatten 操作得到?，最后進行降維得到?具體公式如下：

? ? ?

? ? ?

最終我們Spatial View的輸出是 ? ? ?。

TemporalView:LSTM

小明同學在這里學習了牛頓的思想：“站在巨人肩膀上”。在該部分，小明同學直接利用了傳統的時序預測利器——LSTM。LSTM 網絡是一種特殊的 RNN 網絡，該網絡的全稱是 Long Short-Term Memory network（長短期記憶網絡）。LSTM 網絡可以說是為時序預測所量身打造的，該網絡不僅能夠捕獲近期的時間關系，還能記憶長期的時間模式，由于遺忘機制的引入，可以使得 LSTM 網絡對長時序列也有較好的處理能力。在這里，我們不做推導，直接把公式放出來，有興趣的朋友們可以參見文末的相應鏈接【4】。

值得注意的是這里的 LSTM 網絡的輸入是其中??是 Spatial View 的輸出，而?是天氣、節假日等元數據特征，表示的是聯合操作。最終我們 Temporal View 的輸出是 。

SemanticView:StructuralEmbedding

接下來到了我們最期待的一步，如何利用圖網絡的方法，構建城市各個區域的關系網絡，從而給我們的深度學習任務提供更高層次的特征。首先，小明同學根據一個直覺：具有相同功能的地點應該具有相似的出租車需求模式，然而具有相同功能的地點在空間上不一定相鄰。舉個栗子，北京海淀區的一處 CBD 和朝陽區的一處 CBD 在很大程度上功能相似，但是這倆個地方隔得老遠，可是卻可能有著相似的出租車需求模式。基于這個直覺，小明同學構建了區域和區域之間的全連接網絡 ，?代表節點（即區域,總數為 20 x 20），代表每兩個節點的邊，為相似性矩陣，代表節點 i 和 j 的相似性。

那么問題來了，這個相似性基于什么特征衡量呢？用什么方法去衡量呢？

我們的小明同學非常的聰明，他將每個節點的需求序列進行整合，計算每周的平均需求量，作為節點的特征，然后采用了動態時間規整（DTW）【5】的方法來衡量節點之間的相似性。

? ? ?

為了將每個節點的特征進行壓縮，并同時維持網絡的結構信息，小明同學又采用了graph embedding 的方法，將每個節點的特征壓縮到更低的維度。為了構建一個端到端的神經網絡模型，小明同學又將壓縮后的特征送入到一個全連接層，最后得到了Semantic View 的輸出 ? ? ?。

請注意，這里的代表的是節點 i 的語義特征，也就是說，Semantic View提取整個網絡的特征，但是只把單個節點所學習到的特征送到主體模型中。

模型綜合

最后就是模型綜合部分了，簡單的講，就是把Spatial View，Temporal View 和 Semantic View 這三個部分的輸出結果給聯合起來，再通過一些神經網絡層進一步提取特征，最后與真實值計算Loss，通過優化算法不斷訓練模型，最終得到一個較優的結果。這里簡單列一下公式：

三個部分特征的綜合：? ? ??

輸出函數設計：? ? ??

誤差函數設計：

這里的 Loss Function 設計比較有趣，該公式由兩部分組成，第一部分是均方誤差（MSE）,第二部分是平均絕對百分誤差（MAPE）,MSE更多的和大值相關，而MAPE對大值和小值一視同仁，引入MAPE能夠避免訓練過程被大值的樣本所主導。

模型訓練算法

在這里，直接把算法貼出來，算法的主要思想就是每個區域的需求預測都使用相同的網絡結構，但是每個區域對應的網絡有著不同的參數，對所有的網絡結構都進行訓練，直到滿足停止條件。這里的算法不是重點，就不再敘述了，有興趣的朋友可以看一下原文。

實驗

數據集

在這里，將文章的數據集描述進行了整理，方便大家快速閱讀

評價矩陣

主要結果

小明同學將自己的模型和當前的主流模型進行了對比，其中包括 Historical average，ARIMA，Ordinary least square regression，Ridge regression，Lasso，Multiple layer perceptron，XGBoost，ST-ResNet。

從表中可以看出，DMVST-Net的效果在兩種評價指標上均為最優，證明了模型的有效性和先進性。

除此之外，小明同學還計算了各模型從工作日到休息日，相關誤差的增長（RIE）：

可以看到DMVST-Net的RIE最小，證明了模型魯棒性很高

分別展示了周一到周日各天的預誤差結果：

可以看到DMVST-Net每天的預測誤差（MAPE）都比其他模型小。

最后討論了LSTM輸入序列長度對模型結果的影響，及Local CNN輸入圖像尺寸的影響。

結語

這篇文章的作者說，該文的最大貢獻在于從三個視角考慮了城市出租車的需求模式，提出了DMVST-Net，然而這種多視角的建模方式，早就老生常談了。反到是對于圖網絡的巧妙運用，才成就了這篇論文：利用區域作為節點構圖，而不是采用路段作為節點構圖，不僅避免了城市尺度下圖網絡過大的問題，而且很好的利用圖網絡的特性，構建了不同區域之間的聯系，從而提取了各區域的語義特征。這種大而化小的思想值得我們去學習，在圖網絡尚未解決計算復雜性的今天，或許這種小trick更加有利于加速產學研結合，將圖網絡應用到更多的地方！