原文传递
基于SAE-LSTM的地铁进出站流量预测方法研究
| 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 |
检索历史
应用推荐
