原文传递
基于改进LSTM算法的城市轨道交通OD客流预测方法
| 题名： | 基于改进LSTM算法的城市轨道交通OD客流预测方法 |
| 作者： | 何蔼琳;王豹 |
| 作者单位： | 西南交通大学交通运输与物流学院 |
| 关键词： | 城市轨道交通;客流预测;长短时记忆网络;K-Means聚类 |
| 摘要： | 为提高面向全网的起讫点（0D）客流预测精度，采用K-Means聚类，依据不同0D对的客流变化趋势将OD对分为四类，设置0D平均客流量阈值，重构数据结构，减少输入数据中随机因素的影响，实现了基于长短时记忆网络（LSTM）模型的变长度客流序列数据预测以成都市轨道交通网络为例分类预测0D客流量，与传统LTSM模型和支持向量机（SVR）模型的结果对比预测精度提高，模型计算复杂度降低。分析了15、30、60分钟粒度下模型的可行性，与自回归移动平均模型（ARIMA）相比，改进LSTM模型预测准确性更高，能够捕捉客流量的变化趋势，最后对不同类OD适用的短时OD客流量预测时段长度给出了建议。 |
| 期刊名称： | 综合运输 |
| 出版年： | 2021 |
| 期： | 04 |
| 页码： | 67-72,87 |
检索历史
应用推荐
