-
题名基于深度长短期记忆网络的地铁进站客流预测
被引量：17
- 1
-
-
作者
崔洪涛
陈晓旭
杨超
项煜
段红勇
-
机构
河南省高速公路联网监控收费通信服务有限公司
同济大学道路与交通工程教育部重点实验室
同济大学城市交通研究院
河南省交通一卡通有限责任公司
-
出处
《城市轨道交通研究》
北大核心
2019年第9期41-45,共5页
-
基金
河南省交通运输科技计划项目(2019G-2-2)
中央高校基本科研业务费专项资金(22120180241)
-
文摘
提出利用多源数据(地铁刷卡数据、气候数据和节假日数据)进行数据特征构造,并采用深度长短期记忆网络(DLSTM)方法预测地铁进站客流量。以深圳北站地铁站为研究对象,选取该站3个月的地铁IC卡数据记录,前两个月的数据为训练集,后一个月的数据为测试集。介绍了数据预处理方法和DLSTM模型构建原理。试验结果表明:DLSTM模型的预测准确度随着DLSTM模型的深度增加而增高;与其它模型相比,DLSTM模型的预测精度更高。
-
关键词
地铁
进站客流
客流预测
深度长短期记忆网络
-
Keywords
metro
inbound passenger flow
passenger flow forecasting
DLSTM
-
分类号
U293.13
[交通运输工程—交通运输规划与管理]
-
-
题名基于地铁售检票系统刷卡数据的乘客出行模式分析
被引量：8
- 2
-
-
作者
项煜
陈晓旭
杨超
段红勇
-
机构
河南省交通一卡通有限责任公司
同济大学道路与交通工程教育部重点实验室
同济大学城市交通研究院
-
出处
《城市轨道交通研究》
北大核心
2020年第6期63-67,共5页
-
基金
河南省交通运输科技计划项目(2019G-2-2)
中央高校基本科研业务费专项资金项目(22120180241)。
-
文摘
地铁自动售检票系统可以采集大量乘客刷卡数据,可提供更全面的地铁乘客时空信息。对乘客的出行模式分析有利于城市轨道交通运营企业预测地铁客流和制定运营策略。提出了分析地铁乘客出行模式的数据挖掘方法:对地铁刷卡数据进行预处理,根据其时空信息生成乘客出行链;分析反映乘客时空特性的聚类变量;利用K-means聚类算法对各聚类变量进行乘客聚类;分析潜在的乘客出行模式。以深圳地铁刷卡数据为例,对提出的地铁乘客出行模式分析方法进行了试验验证。
-
关键词
城市轨道交通
刷卡数据
乘客出行模式
K-MEANS聚类算法
-
Keywords
urban rail transit
smart card data
passenger travel patterns
K-means clustering algorithm
-
分类号
F530.7
[经济管理—产业经济]
-
