文档名：考虑多因素的城市轨道交通短时客流深度学习预测
小时粒度的短时客流预测,对城市轨道交通精准投放运力、预判早晚高峰大客流、采取限流等组织措施有重要意义.然而客流生成的机理复杂,影响因素众多,周期性、随机性和波动性兼有.既有研究在考虑因素、时间跨度、模型精度等方面尚存在问题.为充分挖掘城市轨道交通短时客流波动的内在机理,提高预测精度.本文基于深度学习方法,考虑长期、细粒度的时空天气数据,日期等因素,提出了一种考虑多因素的长短期记忆神经网络模型(MUL-LSTM).利用2019年北京地铁1号线八宝山站的全年小时粒度进站客流及全年的小时粒度气象台站监测数据并结合日期属性数据,应用所建立的模型并标定了参数.结果表明,该模型最终的预测平均误差为6.99％,具有较好的预测精度.
作者：王子甲 陈志翔 陈雍君 申晓鹏
作者单位：北京交通大学土木建筑工程学院,北京,100044北京建筑大学,北京,100044中国国际工程咨询有限公司,北京,100044
母体文献：中国土木工程学会2021年学术年会论文集
会议名称：中国土木工程学会2021年学术年会
会议时间：2021年9月27日
会议地点：长沙
主办单位：中国土木工程学会
语种：chi
分类号：TG1R1
关键词：城市轨道交通 短时客流 深度学习 预测精度
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文
- 文件大小:
- 5.79 MB
- 下载次数:
- 60
-
高速下载
|
|
