原文传递
基于KAL组合模型的短时公交客流预测方法研究
| 论文题名： | 基于KAL组合模型的短时公交客流预测方法研究 |
| 关键词： | 短时客流预测;K-means聚类;LSTM神经网络;注意力机制;KAL组合模型 |
| 摘要： | 随着我国经济的持续发展和城市人口的持续增多，人们对城市交通出行的需求也在持续增长，城市的交通问题日益严重。短时公交客流预测可以有效地帮助公共交通系统进行调度管理，帮助乘客提前做好出行规划，减少公共交通的运营成本，缓解出行压力。采用合适的模型算法对短时公交客流进行准确的预测显得极为重要。 论文分析并总结一些国内外学者面向交通客流预测的相关研究文献。针对传统的单一网络模型和部分组合模型预测精度不够稳定，训练效率不足的问题，提出一种基于KAL组合模型的短时公交客流预测方法，主要研究内容如下: （1）KAL组合模型的构建 对国内外学者的文献总结分析后发现，组合模型相比于单一模型在结构上更为健壮，处理流程更为高效。将数据挖掘算法与神经网络模型相结合，根据K-means聚类算法和LSTM神经网络的特点，确定KAL组合模型的结构，确定给出KAL模型的整体结构设计和算法表述。 （2）基于KAL组合模型的短时公交客流预测方法 论文提出一种基于KAL的短时公交客流预测模型。利用K-means聚类算法选取与客流相关性大的聚类指标，进行K分类，在此基础上采用皮尔森（Pearson）相关系数法分析K子类数据集，剔除无关变量以达到简化模型结构降低输入维度的目的。注意力机制的权重函数不断调整赋予模型更高的稳定性。 （3）基于KAL组合模型的短时公交客流预测方法的实验对比验证 采用不同站点、不同天气下的公交客流数据进行预测，选取线性，非线性及组合模型共三种代表方法对比，采用三种客流预测结果评价指标。对基于KAL组合模型的短时客流预测方法进行实验与结果分析，进行控制变量的多组比较。 本文以大连市公交集团数据平台提供的公交数据为研究依据，利用数据挖掘技术和神经网络预测方法，解决传统的单一网络模型和部分组合模型在处理多个场景的客流数据输入时容易忽略多种影响因素信息和训练效率不足的缺陷，对于智能公交系统发展具有推动作用，研究成果对预测模型理论具有一定积极意义。 |
| 作者： | 王博豪 |
| 专业： | 软件工程 |
| 导师： | 张维石 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
