融合长短期记忆网络和图卷积网络的轨道交通短时客流起讫点预测

摘要：

轨道交通客流起讫点(origin-destination,OD)矩阵存在时间相关性和空间相关性.根据客流OD的时空特征,提出长短期记忆(long short-term memory,LSTM)网络和图卷积网络(graph convolutional networks,GCN)的短时组合预测方法.预测方法主要利用LSTM网络来获取客流的时间相关性,利用GCN来获取客流的空间相关性,基于出站口建立客流OD矩阵,对整个路网的客流OD进行训练预测.实验表明:融合LSTM神经网络和GCN神经网络的短时预测模型能有效预测轨道交通客流OD.相较于单独的LSTM神经网络,组合模型在预测误差方面有所改善,更适用于短时客流OD的预测.

关键词：客流预测、LSTM、GCN、OD矩阵

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：重庆理工大学研究生教育高质量发展行动计划;重庆市轨道交通集团有限公司博士后项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-99