基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测

• 作者: 张欣环 刘宏杰 施俊庆 毛程远 孟国连
• 来源期刊: 计算机应用
• 关键词: 城市交通 长短期记忆网络 人工神经网络 长短期记忆人工神经网络 旅行时间预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 前沿与综合应用|Frontier and comprehensive applications
• 页码范围: 875-880
• 页数: 6页
• 分类号: TP18|U491
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020060467

摘要

针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型.首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切片,并使用当前空间切片的共同平均速度作为瞬时速度,同时将每个空间切片的预测时间用作空间特征向量,并将其发送到新型的混合神经网络模型LSTM-A中,该模型结合两种预测模型的优点并解决了公交旅行时间预测问题;最后,基于实验数据集进行了实验和测试:将公交站点间的预测问题划分为线路切片预测子问题,并针对每个相关的子问题引入了实时计算的概念,从而避免了复杂路况带来的预测误差.实验结果表明,所提算法在准确性、适用性方面均优于单个神经网络模型.综上,所提的新型混合神经网络模型LSTM-A能从时间特征的维度实现长距离到站预测、从空间特征的维度实现短距离到站预测,从而有效地解决了城市公交旅行时间预测问题,避免了公交车辆的远程依赖和错误积累.