期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测
被引量：
8
1
作者
李莎
王秋雯
+1 位作者
陈彦如
秦娟
《计算机应用研究》
CSCD
北大核心
2022年第7期2025-2031,共7页
为准确预测多个站点城轨交通短时客流,提出卷积长短时记忆网络(ConvLSTM)与栈式自编码器(SAE)相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素,并通过SAE对其进行逐层提取,获得更具代表性的外部特征。通过ConvLSTM...
为准确预测多个站点城轨交通短时客流,提出卷积长短时记忆网络(ConvLSTM)与栈式自编码器(SAE)相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素,并通过SAE对其进行逐层提取,获得更具代表性的外部特征。通过ConvLSTM充分提取客流量的时间与空间特征,并融合所获得的外部特征对轨道交通网络中多个站点的短时客流量进行同步预测。同时设计了隐动作蒙特卡罗树搜索方法(LA-MCT),对SAE进行参数寻优。为了验证寻优效果,与遗传算法、粒子群算法、模拟退火算法以及禁忌搜索算法进行对比。结果表明,LA-MCTS在寻优时间和寻优效果方面均具有优势。此外,以深圳地铁为例进行大量的数值实验,结果显示在预测均方根误差、绝对误差均值、平均绝对百分比误差以及拟合优度方面,所构建的SAE-ConvLSTM模型预测结果均优于浅层机器学习模型—反向传播神经网络、支持向量回归模型、整合移动平均自回归模型,及深度学习模型—长短时记忆网络、卷积神经网络、以及不加入外部特征的ConvLSTM、加外部特征无SAE的ConvLSTM、长短时记忆网络+卷积神经网络(CNN+LSTM)和加外部特征的CNN+LSTM。
展开更多
关键词
城轨交通短时客流
时空特征
多站点
外部特征
卷积长
短时
记忆网络
在线阅读
下载PDF
职称材料
题名
基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测
被引量：
8
1
作者
李莎
王秋雯
陈彦如
秦娟
机构
西南交通大学经济管理学院
滇西科技师范学院管理与经济学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第7期2025-2031,共7页
基金
国家重点研发计划资助项目(2018YFC0705000)
西南交通大学经济管理学院资助项目(JGSF06)。
文摘
为准确预测多个站点城轨交通短时客流,提出卷积长短时记忆网络(ConvLSTM)与栈式自编码器(SAE)相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素,并通过SAE对其进行逐层提取,获得更具代表性的外部特征。通过ConvLSTM充分提取客流量的时间与空间特征,并融合所获得的外部特征对轨道交通网络中多个站点的短时客流量进行同步预测。同时设计了隐动作蒙特卡罗树搜索方法(LA-MCT),对SAE进行参数寻优。为了验证寻优效果,与遗传算法、粒子群算法、模拟退火算法以及禁忌搜索算法进行对比。结果表明,LA-MCTS在寻优时间和寻优效果方面均具有优势。此外,以深圳地铁为例进行大量的数值实验,结果显示在预测均方根误差、绝对误差均值、平均绝对百分比误差以及拟合优度方面,所构建的SAE-ConvLSTM模型预测结果均优于浅层机器学习模型—反向传播神经网络、支持向量回归模型、整合移动平均自回归模型,及深度学习模型—长短时记忆网络、卷积神经网络、以及不加入外部特征的ConvLSTM、加外部特征无SAE的ConvLSTM、长短时记忆网络+卷积神经网络(CNN+LSTM)和加外部特征的CNN+LSTM。
关键词
城轨交通短时客流
时空特征
多站点
外部特征
卷积长
短时
记忆网络
Keywords
short term passenger flow of urban rail transit
spatial-temporal characteristics
multi-station
external feature
convolutional short and long memory network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
U121 [交通运输工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测
李莎
王秋雯
陈彦如
秦娟
《计算机应用研究》
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
