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
2
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
职称材料
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
职称材料
题名
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
高如虎
韩正
付艳欣
机构
山东交通学院轨道交通学院
兰州交通大学交通运输学院
中国铁路设计集团有限公司
出处
《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
基金
甘肃省科技计划资助项目(24JRRA865)
国家自然科学基金资助项目(72361020)
山东交通学院自然科学基金资助项目(Z202329)。
文摘
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。
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
Keywords
high-speed railway
od
passenger flow prediction
dynamic spatio-temporal neural network
spatial-temporal features
attention mechanism
分类号
U293.13 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
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
机构
北京市基础设施投资有限公司
北京轨道交通路网管理有限公司大数据中心
出处
《中国铁路》
2021年第8期133-140,共8页
文摘
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。
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
Keywords
urban rail
short-term
od
passenger flow forecast
AF clustering
decision tree
key destination station
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
基于多尺度动态时空神经网络的OD客流预测
林立
孟学雷
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
1
在线阅读
下载PDF
职称材料
2
城市轨道交通短期客流OD预测模型研究与实现
张宇
孙琦
高彦宇
《中国铁路》
2021
9
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