基于ConvLSTM-GRU的公交客流量预测模型

公共交通在城市智能交通系统中发挥着重要的作用，准确的公交客流量预测对智能交通的发展至关重要。为了提高公交客流量预测的准确度，提出一种基于卷积长短期记忆(convolutionallongshort-termmemory,ConvLSTM)网络和门控循环单元(gaterecurrent unit, GRU)算法的预测模型Conv LSTM-GRU，结合公交车客流量、天气特征和气温特征以及节假日特征来预测未来的公交客流量。通过提取不同时段公交客流量之间的相关性并采用编码器-解码器结构来减少递归多步预测中的累积误差，提高了预测精度。最后，将ConvLSTM-GRU模型与反向传播(back propagation, BP)神经网络、长短期神经网络、门控循环单元结构、卷积长短期神经网络和自回归网络5种算法进行比较，结果表明所提模型在预测准确度方面均优于对比算法。