Abstract：
为更好地预测城市轨道交通的短时客流情况,提出了基于循环神经网络模型的预测方法.首先,针对轨道交通进出站客流数据,利用Pearson相关系数确定短时客流影响因素;然后,改进K-means聚类算法划分高、中、低客流量三类轨道站点,分析客流时空分布规律及高峰时间段;最后,采用分别基于长短时记忆神经网络(LSTM)与门控循环单元(GRU)的短时客流预测方法,预测不同类型站点在不同时段的客流.实验结果表明:5 min为预测的最佳时间粒度,在此时间粒度下GRU模型整体性能优于LSTM模型.
Keyword：
Reprint Author's Address：
Email：
Source ：
吉林大学学报（工学版）
ISSN： 1671-5497
Year： 2023
Issue： 2
Volume： 53
Page： 430-438
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 24
Affiliated Colleges：
