基于深度学习的地铁短时客流量预测

• 作者: 温惠英 罗晨伟
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 城市轨道交通 地铁客流量 时间特性 双向长短期记忆网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 交通运输
• 页码范围: 389-397
• 页数: 9页
• 分类号: U491
• 字数: 4427字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2020.0389

摘要

为了对地铁短时客流流量进行准确预测,建立了一种基于深度学习的地铁短时客流预测方法.通过分析地铁的客流数据,发现周一至周四、周五以及周末的发展模式存在一定的差异.依据该发现,基于深度学习的理论框架,建立了双向长短期记忆网络的地铁短时客流量预测模型.最后以广州体育西路地铁站数据为例进行预测分析,并将预测结果与决策树模型、支持向量机算法以及长短期记忆网络的预测结果进行对比分析.结果表明,双向长短期记忆网络全面优于其他预测算法,且该算法的平均预测精度超过90％,对地铁运力的合理配置等有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温惠英	华南理工大学土木与交通学院	124	952	16.0	25.0
2	罗晨伟	华南理工大学土木与交通学院	1	0	0.0	0.0