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
基于时间卷积-Transformer模型的多场景地铁短时进站客流预测
1
作者
王小敏
张悦晗
《同济大学学报(自然科学版)》
北大核心
2025年第11期1737-1745,共9页
为更好地预测不同场景下城市轨道交通短期进站客流,提出一种基于时间卷积-Transformer组合深度学习模型的多场景进站客流预测方法。该方法考虑时序特征等客流内部特征及日期属性等周期影响因素,通过特征嵌入层构造多因素客流特征输入矩...
为更好地预测不同场景下城市轨道交通短期进站客流,提出一种基于时间卷积-Transformer组合深度学习模型的多场景进站客流预测方法。该方法考虑时序特征等客流内部特征及日期属性等周期影响因素,通过特征嵌入层构造多因素客流特征输入矩阵,利用时序卷积网络TCN和因果注意力Transformer两个模块并行提取并学习客流数据的局部与全局信息,然后由全连接层构成的预测层输出预测结果。利用上海体育场站客流数据和相关信息验证模型的有效性,并与多个对比模型的预测结果进行比较。实验结果表明:TCN-Transformer模型能够更好地捕捉不同场景下的进站客流特征,具有更好的预测精度和泛化能力。与其他几种模型相比,本文模型的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)至少分别降低8.42%、7.32%和6.18%。
展开更多
关键词
城市交通
短时客流预测
组合深度学习模型
时序卷积网络
Transformer
模型
在线阅读
下载PDF
职称材料
题名
基于时间卷积-Transformer模型的多场景地铁短时进站客流预测
1
作者
王小敏
张悦晗
机构
西南交通大学信息科学与技术学院
四川省列车运行控制技术工程研究中心
出处
《同济大学学报(自然科学版)》
北大核心
2025年第11期1737-1745,共9页
基金
四川省科技计划项目(2024ZHCG0001,2025YFHZ0161)
上海轨道交通无人驾驶列控系统工程技术研究中心开放课题(SUTC-2024KT-02)。
文摘
为更好地预测不同场景下城市轨道交通短期进站客流,提出一种基于时间卷积-Transformer组合深度学习模型的多场景进站客流预测方法。该方法考虑时序特征等客流内部特征及日期属性等周期影响因素,通过特征嵌入层构造多因素客流特征输入矩阵,利用时序卷积网络TCN和因果注意力Transformer两个模块并行提取并学习客流数据的局部与全局信息,然后由全连接层构成的预测层输出预测结果。利用上海体育场站客流数据和相关信息验证模型的有效性,并与多个对比模型的预测结果进行比较。实验结果表明:TCN-Transformer模型能够更好地捕捉不同场景下的进站客流特征,具有更好的预测精度和泛化能力。与其他几种模型相比,本文模型的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)至少分别降低8.42%、7.32%和6.18%。
关键词
城市交通
短时客流预测
组合深度学习模型
时序卷积网络
Transformer
模型
Keywords
urban traffic
short term passenger flow prediction
combined deep learning model
Temporal Convolutional Network(TCN)
Transformer model
分类号
U231.92 [交通运输工程—道路与铁道工程]
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
基于时间卷积-Transformer模型的多场景地铁短时进站客流预测
王小敏
张悦晗
《同济大学学报(自然科学版)》
北大核心
2025
0
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
