题名: | 基于SAE-LSTM的地铁进出站流量预测方法研究 |
正文语种: | 中文 |
作者: | 冷荣 |
作者单位: | 重庆交通大学交通运输学院 |
关键词: | 地铁客流量 SAE LSTM 短时预测 |
摘要: | 大城市地铁路网日益复杂且承载着巨大的客流量,客流预测精度要求日益提高,地铁进出客流量的精确预测为地铁运营调度提供重要的决策基础.提出了一种基于堆叠式自编码器(stacked autoencoder)和长短时记忆(Long Short-Term Memory)结合的方法用来预测地铁工作日与周末的进出客流量.地铁客流量存在一定周期性,通过将刷卡数据转化为时序数据作为输入,构建SAE-LSTM模型,并且利用TensorFlow,Keras对模型进行搭建与验证,结果表明模型比单一的SAE与LSTM模型拟合优度提高了5.3%,证明SAE-LSTM方法能有效应用于地铁进出客流量的预测,为地铁进出站客流量预测提供了新的方法. |
会议日期: | 202011 |
会议举办地点: | 深圳 |
会议名称: | 第十五届中国智能交通年会 |
出版日期: | 2020-10-31 |
母体文献: | 第十五届中国智能交通年会论文集 |