原文传递
基于动态时空神经网络模型的地铁客流预测
| 题名： | 基于动态时空神经网络模型的地铁客流预测 |
| 作者： | 施俊庆;李睿;程明慧;阮俊辉;谢星 |
| 关键词： | 城市交通;地铁客流预测;注意力机制;双向长短时记忆;时空关联性 |
| 摘要： | 针对城市轨道交通站点客流预测问题，本文提出一种基于注意力机制的动态时空神经网络（DSTNN）模型。模型采用多分支并行架构，能够有效提取地铁客流的复杂时空特征，在空间维度上，全局和局部注意力机制相结合，实现站点间动态时空关联和静态拓扑结构的捕捉；在时间维度上，使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验，结果表明：相较于经典预测模型和深度学习模型，DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下，DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型（DCRNN）和物理虚拟结合图网络模型（PVCGN）分别降低6.63%和2.57%。此外，可视化分析证明了本模型对时空关联的动态学习能力，消融实验验证了各分支的有效性。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2023 |
| 期： | 02 |
| 页码： | 139-147 |
检索历史
应用推荐
