城市轨道交通进出站客流实时预测.pdf
对城市轨道交通点进出站客流实时准确的预测,有利于城市轨道交通系统运行优化和安全防护.本文通过深入挖掘城轨AFC数据,刻画站点客流变化规律,确定预测模型的初始输入时间序列.然后选用长短时记忆(LSTM)神经网络对HP滤波分解后的序列成分进行预测,得到模型对实时进出站客流量预测结果.组合模型对网络中站点不同时段的预测结果显示:实时预测的客流平均绝对百分比误差约为7.66％、均方根误差31.489、平均绝对误差约为22人次.结合HP滤波的LSTM神经网络模型在样本数据量较小的情形下,相比单个LSTM神经网络大幅提高了预测精度,具有良好的适用性和较高的实用意义.
作者：王雨杉 郑骞 邹志云
作者单位：华中科技大学土木工程与力学学院,武汉43007武汉市轨道交通运营管理办公室,武汉430030
母体文献：第十届中国交通高层论坛论文集
会议名称：第十届中国交通高层论坛
会议时间：2019年12月15日
会议地点：北京
主办单位：北京交通大学
语种：chi
分类号：TP1X7
关键词：城市轨道交通 进出站客流 实时预测 长短时记忆神经网络 HP滤波
在线出版日期：2022年8月19日
基金项目：
相似文献
相关博文
- 文件大小:
- 3.94 MB
- 下载次数:
- 60
-
高速下载
|
