城市轨道交通车站客流预测模型与算法研究
摘要
近年来,中国经济水平快速提升,交通行业对交通的需求大幅增加,给城市交通带来较大压力,为缓解城市交通拥堵,给城市居民带来更快、更优质的出行服务。引用GRU算法构建门控循环单元模型进行客流预测,最后以杭州地铁某一站点客流数据为例进行验证,为地铁公司提供预测精度较高的短时客流预测方案。
关键词
轨道交通;门控循环单元模型;GRU算法
全文:
PDF参考
龙小强,李捷,陈彦如.基于深度学习的城市轨道交通短时客流量预测[J].控制与决策,2019,34(8):1589-1600.
梁强升,许心越,刘利强.面向数据驱动的城市轨道交通短时客流预测模型[J].中国铁道科学,2020,41(4):153-162.
张文娟,杨皓哲,张彬,等.考虑多时间尺度特征的城市轨道交通短时客流量预测模型[J].交通运输系统工程与信息,2022(6):212-223.
李得伟,颜艺星,曾险峰.城市轨道交通进站客流量短时组合预测模型[J].都市快轨交通,2017,30(1):6.
刘美琪,焦朋朋,孙拓.城市轨道交通进站客流量短时预测模型研究[J].城市轨道交通研究,2015,18(11):6.
包磊.城市轨道交通客流量实时预测模型[J].城市轨道交通研究,2017,20(5):4.
赵建立,石敬诗,孙秋霞.基于混合深度学习的地铁站进出客流量短时预测[J].交通运输系统工程与信息,2020,20(5):7.
DOI: https://doi.org/10.33142/sca.v6i6.9373
Refbacks
- 当前没有refback。
版权所有(c){$ COPYRIGHTYEAR} {$ copyrightHolder}
![Creative Commons License](http://licensebuttons.net/l/by-nc/4.0/88x31.png)
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。