纽约出租车流量预测的深度学习项目（含Python代码和数据集）.rar

简介：
本项目利用深度学习技术进行纽约市出租车流量预测，提供包含Python代码及原始数据集的资源包，旨在优化城市交通管理与规划。 车流量预测任务属于回归问题，目标是基于某一区域的历史交通数据来推测该区域内未来的车辆流动情况。我们使用的数据集为纽约市出租车的流量记录，输入包括各个地区在不同时间段内的历史车流信息，而输出则是这些地区的未来一段时间内预计的车流量。 具体而言，所使用的数据涵盖的时间范围是从2015年1月1日到2015年3月1日。为了便于分析，原始时间序列被转换成了网格化的交通数据，并且将每次观测的数据间隔设定为半小时。整个时间段中最后的二十天作为测试集使用，其余部分则用于训练模型。 关于数据格式：以训练集为例，其形状表示为（1920, 1020, 2），这意味着有1920个不同的时间点、涉及1020个不同区域，并且每个区域的数据包含两个特征——即进入该地区的车流量和离开的车流量。