基于门控循环单元的多因素感知短期游客人数预测模型

• 作者: 余珊珊 吴勇 王敬昌 蒋晨书 陈岭
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 短期游客人数预测 多因素感知 门控循环单元(GRU) 卷积神经网络(CNN) 情境信息
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机科学与人工智能
• 页码范围: 2357-2364
• 页数: 8页
• 分类号: TP391
• 字数: 5988字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.12.013

摘要

提出的预测模型采取分时序分段策略,使用卷积神经网络(CNN)提取景区多因素时序数据的特征,并对不同因素的时序数据赋予不同的权重,将结果送入门控循环单元(GRU)以挖掘其中的时序信息,结合预测时刻的情境信息(天气状况和节假日)预测短期景区内游客人数.在某景区的闸机数据集和监控点车辆数据集上的实验结果表明:基于门控循环单元的多因素感知短期游客人数预测模型可以充分考虑多情境因素并对不同因素时序数据赋予不同的权重,均方根误差(RMSE)和平均绝对百分比误差(MAPE)均小于传统模型,能够有效降低短期游客人数预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈岭	浙江大学计算机科学与技术学院	48	269	9.0	14.0
2	吴勇		7	48	4.0	6.0
3	王敬昌		10	62	5.0	7.0
4	余珊珊	浙江大学计算机科学与技术学院	2	1	1.0	1.0
5	蒋晨书	浙江大学计算机科学与技术学院	1	0	0.0	0.0