基于门控循环单元神经网络的公交到站时间预测

• 作者: 孙玲 施佺 陆俊天
• 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
• 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

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.

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