基于深度长短期记忆网络的地铁进站客流预测

摘要：

提出利用多源数据(地铁刷卡数据、气候数据和节假日数据)进行数据特征构造,并采用深度长短期记忆网络(DLSTM)方法预测地铁进站客流量.以深圳北站地铁站为研究对象,选取该站3个月的地铁IC卡数据记录,前两个月的数据为训练集,后一个月的数据为测试集.介绍了数据预处理方法和DLSTM模型构建原理.试验结果表明:DLSTM模型的预测准确度随着DLSTM模型的深度增加而增高;与其它模型相比,DLSTM模型的预测精度更高.

关键词：地铁、进站客流、客流预测、深度长短期记忆网络

所属期刊栏目：22

分类号：U293.13(铁路运输管理工程)

资助基金：河南省交通运输科技计划项目2019G-2-2;中央高校基本科研业务费专项资金22120180241

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：41-45