期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多尺度动态时空神经网络的OD客流预测 被引量:1
1
作者 林立 孟学雷 +2 位作者 高如虎 韩正 付艳欣 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第12期4924-4935,共12页
精确的OD(origin-destination)客流预测可为铁路运行管理、决策优化等提供良好保障。为准确捕捉高速铁路站点间的动态时空关联,解决全局流量特征和局部拓扑特征难以共同学习的问题,提出一种考虑站间协同作用的多尺度动态时空神经网络(mu... 精确的OD(origin-destination)客流预测可为铁路运行管理、决策优化等提供良好保障。为准确捕捉高速铁路站点间的动态时空关联,解决全局流量特征和局部拓扑特征难以共同学习的问题,提出一种考虑站间协同作用的多尺度动态时空神经网络(multi-scale synergistic station-based dynamic spatio-temporal neural network,MSSDSTNN)OD客流预测模型。模型多分支并行结构的设计,可以有效地捕获与客流量相关的复杂时空特征;通过融合全局与局部注意力机制,达到识别站点间动态时空关联及线网拓扑结构的目的;同时采用自适应噪声完全集成经验模式分解方法对站点的原始客流数据进行分析,并引入简化粒子群算法实现对长短期记忆神经网络关键参数的动态寻优。选取成绵乐城际与成渝高铁的客流数据,在不同时间粒度下,运用12种既有模型进行比较研究,以评估它们与MSSDSTNN模型的性能差异。结果表明:MSSDSTNN模型比其他模型具有更高的预测精度和拟合效果,尤其在较短的时间粒度下,MSSDSTNN模型展现出显著的优越性。在15 min时间粒度下,MSSDSTNN模型的平均绝对误差、均方根误差、平均绝对百分比误差相较于对比方法中性能排名第2的预测模型分别下降了7.55%、12.12%和26.15%;在拟合优度方面,MSSDSTNN模型的决定系数相较于第2名上升了0.41%。可视化结果展现了模型对时空关联动态变化的学习效果,消融实验证明了各分支的必要性,所提方法可为运营部门的决策提供有价值的参考。 展开更多
关键词 高速铁路 od客流预测 动态时空神经网络 时空特征 注意力机制
在线阅读 下载PDF
城市轨道交通短期客流OD预测模型研究与实现 被引量:9
2
作者 张宇 孙琦 高彦宇 《中国铁路》 2021年第8期133-140,共8页
轨道交通短期客流预测在保障运营安全、制定科学的客运计划和组织方案、提高效率等方面具有重要意义。目前我国对精细化短期客流预测,特别是OD级预测的研究不多,尚未见成熟的预测方法或大型信息系统报告。通过自下而上的研究方式,从路... 轨道交通短期客流预测在保障运营安全、制定科学的客运计划和组织方案、提高效率等方面具有重要意义。目前我国对精细化短期客流预测,特别是OD级预测的研究不多,尚未见成熟的预测方法或大型信息系统报告。通过自下而上的研究方式,从路网客流构成单位OD入手,根据轨道交通AFC(自动售检票系统)历史数据,分析轨道交通路网客流OD时空分布规律与动态变化特征,并应用机器学习方法,建立基于OD分布规律与特征映射的路网客流OD精细化预测模型。从近3个月(2019年10月—2020年1月)的预测结果分析显示,该模型在精细化短期客流预测方面效果显著。 展开更多
关键词 城市轨道 短期od客流预测 AF聚类 决策树 重点去向车站
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部