原文传递
基于双向长短期记忆网络的公交到站时间预测模型
| 题名： | 基于双向长短期记忆网络的公交到站时间预测模型 |
| 作者： | 张兵;周丹丹;孙健;倪训友 |
| 关键词： | 城市交通;公交到站时间预测;改进海鸥优化算法;双向LSTM模型;Attention机制 |
| 摘要： | 为实现准确预测公交到站时间，提高城市公交出行分担率，本文提出一种基于双向长短期记忆神经网络（BiLSTM）并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超参数寻优，并增加Attention机制以提高双向LSTM处理信息能力，构建改进海鸥算法优化增加Attention机制的双向LSTM（ISOA-BiLSTM-Attention）预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间，验证模型预测精度。结果表明：整体上来说，Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好；改进的海鸥算法可对双向LSTM-Attention模型实现较好的优化效果，相较于现有模型及标准海鸥算法（SOA）优化双向LSTM-Attention模型，ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低5.96%、9.87%及7.99%；同时，ISOA-BiLSTM-Attention具有最大的模型决定系数R2值，体现了该预测模型泛化能力及稳定性较好，可针对公交到站时间进行较为准确地拟合。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2023 |
| 期： | 02 |
| 页码： | 148-160 |
检索历史
应用推荐
