交通运输工程与信息学报

2020, v.18;No.70(04) 93-102

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多特征融合的城市轨道交通短时客流预测
Short-term Passenger Flow Prediction of an Urban Rail Transit Based on Multi-feature Fusion

李兆丰;倪少权;孙克洋;吕苗苗;

摘要(Abstract):

客流需求是城市轨道交通运营组织的基础,随着信息采集技术、计算能力等的快速发展,短时客流推演的准确性在成网条件下尤为关键。考虑到客流的时间依赖性、空间关联性与外部因子随机性影响,以LSTM神经网络为基础预测框架,构建融合多特征的"端到端"短时客流预测框架,挖掘客流的时间依赖性特征,通过Embedding层嵌入外部因子稀疏矩阵,再利用全连接层融合时间特征、空间特征和其他因子得到预测结果。以成都地铁火车南站为实例研究对象,经多次实验,与ARIMA模型与LSTM神经网络相比,融合多特征的组合预测模型预测性能最佳,训练集和验证集MAE误差分别为11.49和10.85,并在测试集上对模型进行测试,结果表明,该模型具有较佳的预测精度和鲁棒性。

关键词(KeyWords): 城市轨道交通;短时客流预测;多特征融合;端到端预测框架;时空关联性

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划资助(2017YFB1200702);; 国家自然基金项目(61703351,71971182);; 中国铁路总公司科技研究计划项目(P2018T001,P2018X001,N2018X006-01);; 四川省科技计划项目(2020YFH0035,2020YJ0268,2020YJ025,2020JDRC0032)

作者(Authors): 李兆丰;倪少权;孙克洋;吕苗苗;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享