原文传递
基于CNN-LSTM的城市轨道交通短时进站客流预测研究
| 题名： | 基于CNN-LSTM的城市轨道交通短时进站客流预测研究 |
| 作者： | 曹阳 1,2 孙亚 1,2 林立 3 郭佳峰 3 |
| 作者单位： | 1. 上海市城乡建设和交通发展研究院2. 上海城市综合交通规划科技咨询有限公司3. 卡斯柯信号有限公司 |
| 关键词： | 关键词：城市轨道交通;短时客流预测;特征工程;机器学习;组合模型; |
| 摘要： | 摘要：准确有效预测城市轨道交通站点短时进站客流，对支撑城市轨道交通更安全和高效地运行具有重要意义。结合卷积神经网络（CNN）和长短时记忆网络（LSTM）的特点，提出基于CNN-LSTM组合模型的短时进站客流预测方法。通过对典型站点的数据分析，揭示进站客流在日常通勤和会展活动时的变化规律及其影响因素，并引入日期类型、会展活动等外部特征。最后，在目标站点进行实例分析，并将结果与2个基准模型进行对比，CNN-LSTM组合模型在MAE、RMSE和WMAPE指标中均取得较高精度，验证了其在预测该类站点进站客流方面的准确性和应用价值。 |
| 期刊名称： | 交通与运输 |
| 出版日期： | 202403 |
| 出版年： | 2024 |
| 期： | 6 |
检索历史
应用推荐
