基于循环神经网络的城市轨道交通短时客流预测 |
| |
引用本文: | 张惠臻,高正凯,李建强,王晨曦,潘玉彪,王成,王靖.基于循环神经网络的城市轨道交通短时客流预测[J].吉林大学学报(工学版),2023(2):430-438. |
| |
作者姓名: | 张惠臻 高正凯 李建强 王晨曦 潘玉彪 王成 王靖 |
| |
作者单位: | 1. 华侨大学计算机科学与技术学院;2. 北京工业大学信息学部软件学院;3. 南威软件股份有限公司 |
| |
基金项目: | 国家自然科学基金项目(61802133);;福建省科技计划重点项目(2020H0016,2021H0019); |
| |
摘 要: | 为更好地预测城市轨道交通的短时客流情况,提出了基于循环神经网络模型的预测方法。首先,针对轨道交通进出站客流数据,利用Pearson相关系数确定短时客流影响因素;然后,改进K-means聚类算法划分高、中、低客流量三类轨道站点,分析客流时空分布规律及高峰时间段;最后,采用分别基于长短时记忆神经网络(LSTM)与门控循环单元(GRU)的短时客流预测方法,预测不同类型站点在不同时段的客流。实验结果表明:5 min为预测的最佳时间粒度,在此时间粒度下GRU模型整体性能优于LSTM模型。
|
关 键 词: | 交通运输工程 城市轨道交通 短时客流预测 循环神经网络 长短时记忆神经网络 门控循环单元 |
|
|