基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高用户公交出行积极性、方便管理部门合理调度公交班次,利用大数据分析公交浮动车辆历史GPS数据,考虑不同线路、公交站点地理位置、不同驾驶员、气象情况、时间分布等多因素的影响,建立了一种基于门控循环单元(gated recurrent unit,GRU)神经网络的公交到站时间预测模型.该模型结合5 000多万条原始数据,借助分布式Hadoop集群中的Spark弹性分布式数据集进行数据清理,并运用站点匹配算法进行源数据匹配、Lasso算法优化特征选项及去除干扰.实验仿真结果表明:改进的GRU模型R-square拟合度达到94.547%,并且算法效率较传统长短期记忆(long short-term memory,LSTM)神经网络提高了近14%,为进一步提高公交到站时间的预测精度与效率提供了参考.
推荐文章
基于BP神经网络的公交车到站时间预测
公交车到站时间
智能化
公交调研
非线性
数学模型
BP神经网络
镇村公交下一种新型智能公交到站时间预测算法
镇村公交
模糊隶属度
到站时间
预测
算法
基于RBF算法的公交车到站时间预测
公交车
时间预测
RBF神经网络
数学建模
网络训练
仿真分析
基于BP神经网络的公交车到站时间预测
公交车到站时间
智能化
公交调研
非线性
数学模型
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于门控循环单元神经网络的公交到站时间预测
来源期刊 南通大学学报(自然科学版) 学科 工学
关键词 公交到站时间预测 深度学习 门控循环单元神经网络
年,卷(期) 2020,(2) 所属期刊栏目 智能科学与技术
研究方向 页码范围 43-49
页数 7页 分类号 TP274
字数 4469字 语种 中文
DOI 10.12194/j.ntu.20190328001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 施佺 南通大学信息科学技术学院 89 405 10.0 15.0
2 孙玲 南通大学信息科学技术学院 68 237 8.0 11.0
3 陆俊天 南通大学信息科学技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (104)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(18)
  • 参考文献(5)
  • 二级参考文献(13)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
公交到站时间预测
深度学习
门控循环单元神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南通大学学报(自然科学版)
季刊
1673-2340
32-1755/N
大16开
江苏省南通市啬园路9号
2002
chi
出版文献量(篇)
1549
总下载数(次)
7
论文1v1指导