基于深度长短期记忆网络的地铁进站客流预测

• 作者: 崔洪涛 杨超 段红勇 陈晓旭 项煜
• 来源期刊: 城市轨道交通研究
• 学科: 交通运输
• 关键词: 地铁 进站客流 客流预测 深度长短期记忆网络
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 研究报告
• 页码范围: 41-45
• 页数: 5页
• 分类号: U293.13
• 字数: 3089字
• 语种: 中文
• DOI: 10.16037/j.1007-869x.2019.09.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨超	同济大学道路与交通工程教育部重点实验室	76	1510	19.0	37.0
5	崔洪涛		2	1	1.0	1.0
6	段红勇		4	2	1.0	1.0
7	项煜		2	1	1.0	1.0
8	陈晓旭	同济大学道路与交通工程教育部重点实验室	3	1	1.0	1.0