基于Stacking集成学习的轨道交通短时客流量预测研究 被引量：1

1

作者 王菊娇 阙凡博 《西部交通科技》 2024年第9期157-159,166,共4页

针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估。通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和... 针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估。通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和泛化能力。结果显示:Stacking模型在客流量预测中表现优异,与实际值接近,评价指标表现良好,可有效提高运营效率和管理决策水平。 展开更多

关键词 轨道交通 客流量预测 Stacking集成学习

在线阅读 下载PDF 职称材料

基于IMPA-RELM的旅游景点客流量预测研究

2

作者 占贻畅 秦喜文 +2 位作者 陈冬雪 董小刚 徐定鑫 《工程数学学报》 CSCD 北大核心 2024年第6期1133-1143,共11页

旅游景点客流量预测是旅游管理领域的重要研究问题,关乎着旅游政策制定和旅游景区经营管理。提出了一种基于改进海洋捕食者算法优化正则化极限学习机的旅游景点客流量预测方法。首先,为自适应地平衡探索与开发状态,提出一种基于群体多... 旅游景点客流量预测是旅游管理领域的重要研究问题,关乎着旅游政策制定和旅游景区经营管理。提出了一种基于改进海洋捕食者算法优化正则化极限学习机的旅游景点客流量预测方法。首先,为自适应地平衡探索与开发状态,提出一种基于群体多样性和群体聚集度的海洋捕食者算法,充分发挥MPA算法探索与开发性能。其次,将改进的海洋捕食者算法用于优化正则化极限学习机(IMPA-RELM)的权重与偏置,以归一化均方根误差作为适应度函数,确定最佳权重和偏置参数。最后,将所构建的IMPA-RELM模型应用于九寨沟和查干湖景区单日客流量预测研究。实验结果表明,所提出的IMPA-RELM模型不仅显著提升了RELM的模型性能,相比于LS-SVM、BPNN和LSTM等基线模型,也具有更强的预测性能与泛化能力,能够为景区运营管理和旅游政策制定提供重要参考。 展开更多

关键词 景点客流量预测 海洋捕食者算法 机器学习 正则化极限学习机 参数优化

在线阅读 下载PDF 职称材料

基于组合模型的机场客流量预测方法研究

3

作者 江建霖 《长江信息通信》 2024年第8期88-92,共5页

为了应对由于无法有效预测机场旅客流量所带来的安全风险、服务质量下降以及资源配置不当等问题,文章结合机器学习和深度学习的方法,构建了SARIMA-CNN-LSTM组合模型来预测机场客流量。模型首先利用SARIMA能够处理数据中线性和季节性成... 为了应对由于无法有效预测机场旅客流量所带来的安全风险、服务质量下降以及资源配置不当等问题,文章结合机器学习和深度学习的方法,构建了SARIMA-CNN-LSTM组合模型来预测机场客流量。模型首先利用SARIMA能够处理数据中线性和季节性成分的特点对数据进行预测,但SARIMA无法充分拟合非线性或复杂成分,从而产生拟合序列和残差序列,单独使用LSTM对残差序列进行处理时效果不太好,因此模型采用CNN-LSTM结构来处理残差序列,该结构利用CNN提取残差序列的非线性等复杂特征并降低维度,使序列适应LSTM的输入要求,利用LSTM模型捕捉CNN处理后的序列的长期依赖关系并进行非线性建模和预测,得到CNN-LSTM对残差序列的预测结果。最后,模型将SARIMA和CNN-LSTM预测的结果进行组合得到最终的预测结果。实验结果表明,文章所构建的组合模型具有良好的客流量预测效果,有助于机场工作安全高效的进行。 展开更多

关键词 机场客流量预测 SARIMA模型 CNN模型 LSTM模型

在线阅读 下载PDF 职称材料

基于SARIMA模型的北京地铁进站客流量预测 被引量：53

4

作者 王莹 韩宝明 +1 位作者 张琦 李得伟 《交通运输系统工程与信息》 EI CSCD 北大核心 2015年第6期205-211,共7页

通过对北京地铁2013年5月-7月的进站客流量数据进行详细分析,总结北京地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预... 通过对北京地铁2013年5月-7月的进站客流量数据进行详细分析,总结北京地铁进站客流量以周为周期的波动规律,选用季节时间序列（SARIMA）模型对北京地铁进站客流量进行时间序列建模.利用符合要求的模型对北京地铁进站客流量进行预测,预测结果能够较准确地描述北京地铁进站客流量的变化趋势,平均误差为0.3%.说明此模型适用于地铁进站客流量的短时预测,基于预测结果进一步分析北京地铁进站客流量的特点,为进一步优化进站设施布置、组织进站流线、高效安全的地铁运营组织提供参考建议. 展开更多

关键词 城市交通 客流量预测 SARIMA模型 进站客流量 时间序列

在线阅读 下载PDF 职称材料

城际轨道交通转移客流量预测方法研究 被引量：14

5

作者 姚智胜 董春娇 熊志华 《交通运输系统工程与信息》 EI CSCD 北大核心 2012年第1期119-123,共5页

科学准确地预测轨道交通客流量,超前掌握轨道交通客流量发展的趋势、特点、规律和数量,是制定轨道交通客运发展和站场配置规划的基础.现有轨道交通客流预测方法对于城际轨道交通客流预测的适应性各不相同,本文采用三次吸引法和客流转移... 科学准确地预测轨道交通客流量,超前掌握轨道交通客流量发展的趋势、特点、规律和数量,是制定轨道交通客运发展和站场配置规划的基础.现有轨道交通客流预测方法对于城际轨道交通客流预测的适应性各不相同,本文采用三次吸引法和客流转移理论相结合,并借鉴统计学中距离分析思想,确定客流转移率,从而获得转移客流量.具体做法是:在分析客流量转移的影响因素基础上,建立广义不相似距离矩阵,以此在轨道交通三次吸引范围内分别确定各种交通方式客流量转移率,从而获得规划年轨道交通客流量.通过某一城市的实际数据进行了算例分析,该方法简单、可操作性强、具有工程应用价值. 展开更多

关键词 综合交通运输 转移客流量预测 客流转移理论 轨道交通 距离不相似测度

在线阅读 下载PDF 职称材料

城市轨道交通新站开通初期实时进出站客流量预测 被引量：16

6

作者 姚恩建 周文华 张永生 《中国铁道科学》 EI CAS CSCD 北大核心 2018年第2期119-127,共9页

针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边... 针对城市轨道交通新站开通初期实时客流预测缺乏历史数据、客流波动大等问题,提出基于改进K近邻非参数回归的新站开通初期实时进出站客流量预测方法。考虑城市轨道交通客流生成机理,分析新站开通初期车站客流量变化规律及其与车站周边土地利用的相关性;基于该相关性,通过聚类分析构建新站与相似既有车站的映射关系,提出支撑新站客流预测的历史数据库构建方法;在此基础上,结合实时客流特征改进非参数回归算法,提出新站开通初期实时进出站客流量预测方法;利用广州地铁客流数据进行新线开通初期实时进站量预测的案例分析。结果表明:该方法具有良好的预测精度,新站开通初期实时进站客流量预测的平均绝对误差不大于16人次,可满足城市轨道交通精细化的运营管理需求。 展开更多

关键词 城市轨道交通 新站开通 进出站客流量 实时客流量预测 非参数回归

在线阅读 下载PDF 职称材料

考虑节假日效应的交通枢纽客流量预测模型 被引量：9

7

作者 成诚 杜豫川 刘新 《交通运输系统工程与信息》 EI CSCD 北大核心 2015年第5期202-207,215,共7页

客流量预测是城市交通枢纽管理的基础,准确的客流量估计为交通枢纽的运力调整,管理预案的设计提供基础.目前对客流量预测的研究较多,但现有模型并未考虑节假日效应对枢纽客流量的影响.因此,本文基于多元季节性时间序列(SARIMAX)原理,建... 客流量预测是城市交通枢纽管理的基础,准确的客流量估计为交通枢纽的运力调整,管理预案的设计提供基础.目前对客流量预测的研究较多,但现有模型并未考虑节假日效应对枢纽客流量的影响.因此,本文基于多元季节性时间序列(SARIMAX)原理,建立考虑节假日效应的城市交通枢纽客流量预测模型,并以上海虹桥2号航站楼站轨道交通客流量数据为基础,对该模型进行了标定和预测.标定结果显示,在春节期间,该站点客流量将有明显的下降,而在其他法定节假日期间流量均有一定程度的提升.对模型预测值和真实值比对结果显示,该模型的平均误差在5%以内,表明该模型具有较强的实用性. 展开更多

关键词 城市交通 客流量预测 多元季节性时间序列模型 节假日效应 交通枢纽

在线阅读 下载PDF 职称材料

高速铁路影响下铁路客流量预测研究 被引量：8

8

作者 王炜炜 《铁道运输与经济》 北大核心 2016年第4期42-46,51,共6页

高速铁路开通后,运输能力、安全性、经济性、舒适性、方便性等方面对既有客流分布产生了一定影响。根据客流构成,将客流量分为趋势客流量、转移客流量和诱增客流量?3?部分,分析各类客流量影响因素及变化趋势的差异,分别选用?BP?人工神... 高速铁路开通后,运输能力、安全性、经济性、舒适性、方便性等方面对既有客流分布产生了一定影响。根据客流构成,将客流量分为趋势客流量、转移客流量和诱增客流量?3?部分,分析各类客流量影响因素及变化趋势的差异,分别选用?BP?人工神经网络、灰色模型、重力模型建立高速铁路影响下的铁路客流量预测模型。通过算例验证,铁路客流量预测结果可以为高速铁路运输需求分析和建设提供数据支撑。 展开更多

关键词 铁路客流量预测 趋势客流量 转移客流量 诱增客流量

在线阅读 下载PDF 职称材料

基于DA-HKRVM的旅游景区客流量预测研究 被引量：4

9

作者 汪东亮 陆依依 《信息技术》 2019年第4期101-105,共5页

针对HKRVM客流量预测模型结果易受权系数β和径向基核函数宽度g的影响,为提高旅游景区客流量预测精度,文中将蜻蜓算法(Dragonfly Algorithm,DA)应用于HKRVM模型的权系数β和径向基核函数宽度g的优化,提出一种基于DA-HKRVM的旅游景区客... 针对HKRVM客流量预测模型结果易受权系数β和径向基核函数宽度g的影响,为提高旅游景区客流量预测精度,文中将蜻蜓算法(Dragonfly Algorithm,DA)应用于HKRVM模型的权系数β和径向基核函数宽度g的优化,提出一种基于DA-HKRVM的旅游景区客流量预测方法。研究结果表明,DA-HKRVM可以有效减小旅游景区客流量预测误差,为客流量预测提供了新的方法和途径,从而为旅游管理部门的科学决策和调度管理提供了重要的参考依据。 展开更多

关键词 蜻蜓算法 相关向量机 粒子群算法 遗传算法 旅游客流量预测

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的地铁客流量预测算法设计 被引量：5

10

作者 王磊 陆川 +1 位作者 蒲丹丹 林意为 《现代电子技术》 2021年第24期87-91,共5页

为了提升地铁客流量预测的精度,并实现精细化运营,文中基于深度学习理论中的卷积神经网络(CNN)算法提出了一种客流量预测方案。文中分析CNN网络的结构与参数,并对网络中卷积层、池化层的参数传递过程进行解析。通过引入Fisher准则解决... 为了提升地铁客流量预测的精度,并实现精细化运营,文中基于深度学习理论中的卷积神经网络(CNN)算法提出了一种客流量预测方案。文中分析CNN网络的结构与参数,并对网络中卷积层、池化层的参数传递过程进行解析。通过引入Fisher准则解决了当前CNN网络中存在的因训练误差传递易陷入局部最优,而产生的网络过拟和问题。对原有误差函数进行改进,扩大类间距离且缩小类内距离,同时提升网络的泛化能力,并避免迭代过程中的不收敛。以成都地铁7号线部分站点的实际运营数据为样本进行仿真实验,其不但优化了地铁运营数据的格式,还提升了数据输入输出的效率。仿真结果表明,改进后的CNN网络在进行预测时的平均误差可达到4.38%,相较于传统的CNN网络降低了9.53%。 展开更多

关键词 地铁 客流量预测 CNN 结构分析 函数改进 仿真验证

在线阅读 下载PDF 职称材料

基于加权深度森林的长白山风景区客流量预测 被引量：1

11

作者 秦喜文 陈冬雪 +2 位作者 占贻畅 尹冬梅 董小刚 《长春工业大学学报》 CAS 2022年第4期587-592,共6页

提出一种改进的加权深度森林方法。主要通过筛选多粒度扫描产生的子样本,使预测结果性能更好。选取长白山风景区客流量数据集作为样本,将随机森林、支持向量机和原始深度森林等作为对比方法,验证了模型的有效性。结果表明,提出的算法R^... 提出一种改进的加权深度森林方法。主要通过筛选多粒度扫描产生的子样本,使预测结果性能更好。选取长白山风景区客流量数据集作为样本,将随机森林、支持向量机和原始深度森林等作为对比方法,验证了模型的有效性。结果表明,提出的算法R^(2)为0.9586,明显高于其他方法。该算法能有效提高客流量预测的准确性,对旅游业的发展具有重要的理论意义与实用价值。 展开更多

关键词 加权深度森林 多粒度扫描 旅游客流量预测 评价指标

在线阅读 下载PDF 职称材料

基于数据挖掘的景区客流量预测模型研究 被引量：1

12

作者 吴学成 《现代电子技术》 2021年第15期159-162,共4页

针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景... 针对当前方法无法描述景区客流量变化特点的难题,为了提高景区客流量预测精度,提出了数据挖掘的景区客流量预测模型。首先利用互联网收集景区客流量历史数据,根据嵌入维和延迟时间构建景区客流量预测训练集合;然后采用机器学习算法对景区客流量训练集合进行学习,建立景区客流量预测模型;最后采用景区客流量预测实例分析该模型的优越性。结果表明,基于数据挖掘的景区客流量平均预测精度超过90%,能够满足景区客流量管理预测精度要求,而且预测效果要优于当前经典的景区客流量预测模型。 展开更多

关键词 预测模型 景区客流量 数据挖掘 性能对比 客流量预测 预测精度

在线阅读 下载PDF 职称材料

基于混沌-小波神经网络的公交客流量预测模型研究 被引量：3

13

作者 范黎林 符天阳 +2 位作者 孙兰宾 张广振 徐铭 《城市公共交通》 2017年第9期34-40,共7页

为提高公交客流量预测的精确度,将混沌理论和小波神经网络方法相结合应用于公交客流量预测。分别采用自相关法、伪最近邻域法计算公交客流量时间序列的时间延迟、嵌入维数,采用小数据量法计算其最大李雅普诺夫指数,证实该时间序列具有... 为提高公交客流量预测的精确度,将混沌理论和小波神经网络方法相结合应用于公交客流量预测。分别采用自相关法、伪最近邻域法计算公交客流量时间序列的时间延迟、嵌入维数,采用小数据量法计算其最大李雅普诺夫指数,证实该时间序列具有混沌特性。据此建立混沌-小波神经网络预测模型,进而对H省某市实际公交客流量进行预测。实验结果表明,相比于传统的BP神经网络预测法、LIBSVM预测法,该方法在均方误差(MSE)、平均绝对误差(MAE)、平均相对误差(MRE)上均具有更小的预测误差,因而可以有效地预测公交客流量。 展开更多

关键词 混沌 小波神经网络 公交客流量预测

在线阅读 下载PDF 职称材料

基于CNN-BiLSTM的短时公交客流量预测

14

作者 石秀君 李鹏浩 《中国高新科技》 2023年第22期129-130,共2页

文章以实现公交客流量预测为目标,利用深度学习技术建立基于卷积神经网络与双向长短期神经网络的公交客流量预测模型(CNN-BiLSTM),根据历史交通数据和当前状态进行预测公交客流量,并与其他客流量预测模型的结果进行对比。结果表明,CNN-B... 文章以实现公交客流量预测为目标,利用深度学习技术建立基于卷积神经网络与双向长短期神经网络的公交客流量预测模型(CNN-BiLSTM),根据历史交通数据和当前状态进行预测公交客流量,并与其他客流量预测模型的结果进行对比。结果表明,CNN-BiLSTM客流量预测算法的RMSE和MAE最小,预测精度相对较高。 展开更多

关键词 组合模型 CNN-BiLSTM 客流量预测

在线阅读 下载PDF 职称材料

基于RS-IPSOSVM的公交客流量预测方法 被引量：5

15

作者 黄益绍 韩磊 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第11期11-19,共9页

为了提高公交客流预测的准确性,基于公交IC卡数据,挖掘公交客流的变化规律和影响因素,提出了一种基于粗糙集(RS)和改进粒子群(IPSO)优化支持向量机(SVM)的公交客流量预测方法。首先,通过对客流数据的深度挖掘,确定公交客流的影响因子;其... 为了提高公交客流预测的准确性,基于公交IC卡数据,挖掘公交客流的变化规律和影响因素,提出了一种基于粗糙集(RS)和改进粒子群(IPSO)优化支持向量机(SVM)的公交客流量预测方法。首先,通过对客流数据的深度挖掘,确定公交客流的影响因子;其次,利用粗糙集对13个初始影响因子进行属性约简,剔除冗余信息,得到8个核心影响因子;再次,引入自适应调整的惯性权重和异步变化的学习因子对PSO算法进行优化,利用IPSO算法来寻找SVM全局最优参数,通过核函数将公交客流核心影响因子映射到高维空间,拟合核心影响因子与公交客流量间的非线性映射关系,实现客流的预测;最后,以广州市公交线路客流数据进行了方法验证。结果表明:所用方法预测精度在90%以上,简化了训练样本,克服了SVM参数选择的盲目性,实用性和可靠性均得到有效提高。 展开更多

关键词 交通工程 公交客流量预测 粗糙集 改进粒子群优化 支持向量机 数据挖掘

在线阅读 下载PDF 职称材料

基于灰色-马尔科夫预测模型的售票窗口客流量预测研究 被引量：8

16

作者 尚庆松 石庆升 崔炳谋 《铁道运输与经济》 北大核心 2019年第1期85-89,共5页

由于每天购票客流量不同,导致铁路售票窗口开放数也不同,提前预测每天的购票客流量成为研究的关键。为系统全面地对售票窗口优化问题进行研究,采用灰色-马尔科夫预测模型对兰州站非高峰期的客流量进行预测,确定将来某一天的客流量,并对... 由于每天购票客流量不同,导致铁路售票窗口开放数也不同,提前预测每天的购票客流量成为研究的关键。为系统全面地对售票窗口优化问题进行研究,采用灰色-马尔科夫预测模型对兰州站非高峰期的客流量进行预测,确定将来某一天的客流量,并对比分析灰色-马尔科夫预测模型的预测结果与灰色预测模型的结果,发现基于灰色-马尔科夫预测模型得到的客流量比较接近实际值,表明在求解售票窗口客流量预测问题上,灰色-马尔科夫预测模型具有一定的可行性与有效性,可以提高铁路客运站整体工作效率,促使铁路客运服务质量得到大幅度提升。 展开更多

关键词 铁路客运站 售票窗口 客流量预测 灰色-马尔科夫预测 灰色预测 非高峰客流

在线阅读 下载PDF 职称材料

基于梯度提升的城市轨道交通客流量预测分析 被引量：8

17

作者 丁聪 倪少权 吕红霞 《城市轨道交通研究》 北大核心 2018年第9期60-63,共4页

通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森... 通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森林的混合模型相较于常规ARIMA模型和随机森林模型具有更好的适应性,在常态和特殊情况下均能取得可接受的预测效果。 展开更多

关键词 城市轨道交通 客流量预测 梯度提升

在线阅读 下载PDF 职称材料

多机场环境下的支线机场客流量预测 被引量：4

18

作者 摆倩倩 吴薇薇 +2 位作者 陆燕楠 魏文斌 张洁 《武汉理工大学学报（交通科学与工程版）》 2018年第4期696-699,704,共5页

支线机场数量的增加加剧了邻近机场对辐射范围重叠地区的客源竞争.综合考虑地区经济、旅游业发展及邻近机场间的客流竞争因素,通过Elman神经网络得到指标预测值,采用多元线性回归模型对支线机场的客流量进行预测.结果表明,模型能够取得... 支线机场数量的增加加剧了邻近机场对辐射范围重叠地区的客源竞争.综合考虑地区经济、旅游业发展及邻近机场间的客流竞争因素,通过Elman神经网络得到指标预测值,采用多元线性回归模型对支线机场的客流量进行预测.结果表明,模型能够取得精度较高的预测结果,验证了模型的有效性. 展开更多

关键词 支线机场 客流量预测 神经网络模型 多元线性回归

在线阅读 下载PDF 职称材料

基于深度学习长短期记忆网络结构的地铁站短时客流量预测 被引量：35

19

作者 李梅 李静 +2 位作者 魏子健 王思达 陈赖谨 《城市轨道交通研究》 北大核心 2018年第11期42-46,77,共6页

准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的... 准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的内部影响因子。通过对数据的分析,综合考虑工作日、非工作日和高峰时段对客流的影响,提取2个内部显著影响因子。以上海轨道交通莘庄站为例,提出了一种基于深度学习长短期记忆(LSTM)网络结构的地铁站短时客流预测方法。最后,将预测结果与典型时间序列预测算法MLR(多元线性回归)和BP(反向传播)神经网络进行对比,验证了LSTM网络在地铁站短时客流量预测中具有更高的准确性和很好的适用性。 展开更多

关键词 地铁站 短时客流量预测 深度学习 长短期记忆网络

在线阅读 下载PDF 职称材料

考虑多时间尺度特征的城市轨道交通短时客流量预测模型 被引量：8

20

作者 张文娟 杨皓哲 +1 位作者 张彬 李秀杰 《交通运输系统工程与信息》 EI CSCD 北大核心 2022年第6期212-223,共12页

针对目前城市轨道交通短时客流量预测模型在构建特征时容易忽略客流变化周期依赖性的不足,提出一种考虑多时间尺度特征的混合深度学习模型(GRU-Transformer),该模型由添加注意力机制的GRU(Gate Recurrent Unit)神经网络(Attention-GRU)... 针对目前城市轨道交通短时客流量预测模型在构建特征时容易忽略客流变化周期依赖性的不足,提出一种考虑多时间尺度特征的混合深度学习模型(GRU-Transformer),该模型由添加注意力机制的GRU(Gate Recurrent Unit)神经网络(Attention-GRU)和改进的Transformer(Conv-Transformer)两模块并行构成。首先,对周周期、日周期及相邻时段这3种时间尺度下的客流数据分别进行建模,并合并各周期数据作为模型输入。其次,搭建Attention-GRU和Conv-Transformer模块分别挖掘数据连续性与周期性特征,融合特征后输出预测值。最后,采集上海市地铁2号线两站点AFC(Automatic Fare Collection)客流数据,预测5 min时间粒度下的进出站客流量。为分析各模型参数对预测结果的影响,开展模型精细化调参实验,基于所得最优参数组合验证和评估模型。结果表明,相较于5个基线模型(BPNN(Back Propagation Neural Network)、CNN(Convolutional Neural Network)、GRU、CNN-GRU及Transformer)和4个GRU-Transformer消融模型,本文提出的GRU-Transformer模型预测精度最高,具有较好的实用性。 展开更多

关键词 智能交通 短时客流量预测 深度学习 城市轨道交通 GRU Transformer模型

在线阅读 下载PDF 职称材料