文档名：基于时空超图卷积模型的城市轨道站点客流预测
摘要：城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量.为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-TemporalHypergraphConvolutional,ST-HConv)的短时进站客流预测方法.门控卷积层用于提取客流的时间特征,双层超图卷积用于获取站点间的近邻性和路网中的全局性,实现空间特征的提取;时空交互模块由时间门控卷积和空间超图卷积组成,将时空特征融合进而获取时空交互信息.以杭州地铁自动检票系统(AFC)采集的乘客刷卡数据为例,对模型的有效性进行检验.研究结果表明,与传统机器学习模型、传统深度学习模型和图网络模型相比,ST-HConv模型同时考虑时间特征和空间特征,并实现了时空特征的有效融合,使得ST-HConv模型的平均绝对误差和均方根误差都低于其他模型.在图结构性能方面,与时空图卷积模型(Spatio-TemporalGraphConvolutional,ST-GConv)相比,ST-HConv模型中的超图卷积层获得了路网中的局部特征和全局特征,有效地降低了预测误差.在不同的时间间隔(15min/30min/45min/60min)下,ST-HConv相较于ST-GConv,平均绝对误差分别降低了1.3,1.05,1.51和2.29,均方根误差分别降低了2,1.44,2.48和2.89.由此可见,ST-HConv模型综合考虑了时空交互信息,能够提高客流预测的准确性.
作者：王金水 欧雪雯 陈俊岩 唐郑熠 廖律超 Author：WANGJinshui OUXuewen CHENJunyan TANGZhengyi LIAOLüchao
作者单位：福建工程学院计算机科学与数学学院,福建福州350118;福建工程学院智能交通系统研究中心,福建福州350118;福建省大数据挖掘与应用重点实验室,福建福州350118福建工程学院计算机科学与数学学院,福建福州350118;福建省大数据挖掘与应用重点实验室,福建福州350118福建工程学院计算机科学与数学学院,福建福州350118;福建工程学院智能交通系统研究中心,福建福州350118
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(12)
分类号：U231TP399
关键词：城市轨道交通 客流预测 耦合时空特征 超图卷积 门控卷积
Keywords：urbanrailtransit passengerflowprediction coupledspatio-temporalcharacteristic hypergraphconvolution gatedconvolution
机标分类号：U231.4TU984U491.17
在线出版日期：2024年1月24日
基金项目：国家自然科学基金，国家自然科学基金基于时空超图卷积模型的城市轨道站点客流预测[
期刊论文] 铁道科学与工程学报--2023, 20(12)王金水 欧雪雯 陈俊岩 唐郑熠 廖律超城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量.为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Te...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于时空超图卷积模型的城市轨道站点客流预测 Passenger flow forecast of urban rail transit stations based on spatio-temporal hypergraph convolution model
基于时空超图卷积模型的城市轨道站点客流预测.pdf
- 文件大小:
- 11.24 MB
- 下载次数:
- 60
-
高速下载
|
