原文传递
基于TCN--LSTM组合模型的城市轨道交通短期客流预测研究
| 论文题名： | 基于TCN--LSTM组合模型的城市轨道交通短期客流预测研究 |
| 关键词： | 客流预测;城市轨道交通;TCN-LSTM模型;K短路径计算;神经网络 |
| 摘要： | 精细化的短期客流预测能够为城市轨道交通行车计划制定、客流精准管控提供关键的数据支持。目前国内研究往往仅考虑了地铁客流单一变量,未考虑天气、节假日等外部特征对客流的影响，导致预测结果精度不高。而且，目前研究多专注于车站进站量的预测，迫切需要可实现城市轨道交通进站客流、起讫点OD客流、换乘客流、区间及列车客流等更精细化客流指标的短期预测方法。时序卷积神经网络(TemporalConvolutionalNetwork,TCN)应用于多组时间序列数据集，在耗时、准确性上表现出强大的预测性能。长短期记忆神经网络(LongShort-TermMemory,LSTM)能够提取客流与节假日、天气等外部影响因素的长短期依赖。采用TCN-LSTM组合模型能够有效提升短期客流预测的精度。因此，研究一种基于TCN-LSTM组合模型的城市轨道交通短期客流预测方法具有重要的工程应用价值。 本文在分析城市轨道交通客流预测算法及其研究现状的基础上，提出了一种基于多维可预知特征的TCN-LSTM短期进站客流预测模型，提升了预测精度;为实现预测进站客流的乘车路径及列车车次等精细化状态预测，提出了一种基于PCA-Kmeans和动态列车分配的客流时空分布预测模型，基于PCA-Kmeans实现城市轨道交通起讫点OD客流预测，通过改进A*算法实现车站间K短路径集计算，基于动态列车拥挤度的客流分配模型实现客流途径路径及列车车次的预测。在短期客流预测算法研究基础之上，给出了基于TCN-LSTM组合模型的城市轨道交通短期客流预测算法总体设计，从算法数据接口、数据获取模块、进站客流预测模块、OD客流预测模块、客流动态分配模块及预测数据统计模块六个部分进行了设计与实现。最后，以西南某城市轨道交通为例对城市轨道交通短期客流预测方法进行了实验验证。 实验研究表明，本文提出的基于TCN-LSTM组合模型的城市轨道交通短期客流预测方法，能够实现多维度客流指标的短期预测功能，且具有较高准确度，可以很好的为城市轨道交通客流管控与运输组织计划制定提供精细化的预测数据支持，为实现城市轨道交通的短期客流预测与运营辅助决策数据支撑提供了一种新途径。 |
| 作者： | 张涛 |
| 专业： | 电子信息 |
| 导师： | 赵利强;许丹 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京化工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
