原文传递
基于深度学习算法的城市轨道交通客流短时预测
| 题名： | 基于深度学习算法的城市轨道交通客流短时预测 |
| 正文语种： | 中文 |
| 作者： | 陈丹；尹嘉男；刘钊；贾萌；吴金国；钟玉刚 |
| 作者单位： | 南京工程学院汽车与轨道交通学院;南京航空航天大学民航学院 |
| 关键词： | 城市交通;短时客流预测;深度学习;城市轨道交通客流量;神经网络 |
| 摘要： | 文中基于某地铁自动售检票数据，分析得到城市轨道交通短时客流时序数据具有非平稳性、非线性和非周期性波动等特征。借助深度学习算法，分别构建了基于LM-BP和LSTM神经网络的短时客流预测模型。选取苏州地铁中央花园站为例，以5min为时间段，采用某一周的客流时序数据作为训练数据，预测未来一天内短时客流量的变化趋势，并对所提预测方法进行验证。结果表明：相较于参数模型中常用的三次指数平滑模型，所提方法的预测准确性和稳定性改进了50%左右，预测精度得到了大幅提升，LSTM模型具有更好的预测精度，而LM-BP模型则在计算效率方面更具优势。 |
| 期刊名称： | 武汉理工大学学报 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 792-796 |
检索历史
应用推荐
