原文传递
基于混合深度学习的地铁站进出客流量短时预测
| 题名： | 基于混合深度学习的地铁站进出客流量短时预测 |
| 正文语种： | 中文 |
| 作者： | 赵建立;石敬诗;孙秋霞;任玲;刘彩红 |
| 作者单位： | 山东科技大学;青岛地铁集团有限公司 |
| 关键词： | 城市交通;短时客流量预测;深度学习;地铁刷卡数据;CNN;ResNet |
| 摘要： | 针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络(CNN)与残差网络(Res Net)相组合的预测模型(Res Net-CNNlD),模型将原始客流量数据作为输入,利用二维CNN与ResNet组成深层神经网络,捕捉站点间的空间特征,同时利用一维CNN捕捉客流量的时间依赖,最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证.结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,Conv LSTM),本文ResNet-CNN1D模型具有更好的预测精度. |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2020 |
| 期： | 05 |
| 页码： | 128-134 |
检索历史
应用推荐
