一种分区域类型耦合网约车需求预测方法

一种分区域类型耦合网约车需求预测方法，它属于共享出行时代下需求预测技术领域。本发明解决了传统方法的泛化能力差以及预测精度低的问题。本发明采用图神经网络来融合交通分析区的空间邻接关系与多维特征，并结合K‑Means聚类实现城市功能区域的科学划分，考虑了区域功能的异质性。基于扩散机制的时间序列生成框架，通过前向加噪与反向去噪过程从有限真实数据中学习分布规律并生成高质量合成数据，缓解历史订单数据稀疏与样本不足的问题。深度堆叠集成学习预测框架通过三层堆叠结构来充分融合多种基模型的优势，提升了对复杂时空依赖关系、非线性交互特征和多模式需求耦合关系的建模能力，提高预测的精度。本发明可以应用于网约车需求预测。