10.16037/j.1007-869x.2020.01.013
基于深度学习的城市轨道交通短时客流起讫点预测
提出了一种基于门控循环单元(GRU)神经网络的城市轨道交通短时客流OD(起讫点)预估模型.以实际数据为例,引入同期天气数据,对工作日的数据进行训练预测,并与长短期记忆(LSTM)神经网络模型进行对比.预测结果表明:相对于LSTM模型,GRU模型不仅模型简单、收敛速度明显较快,而且在预估误差和预测稳定性等方面也略优,更适于短时客流OD的快速预测.
城市轨道交通、短时客流起讫点预测、门控循环单元神经网络、长短期记忆神经网络
23
U293.13(铁路运输管理工程)
国家自然科学基金“青年基金”项目;国家级大学生创新创业训练计划项目;北京市哲社办课题;北京市交通委员会科技课题;北京市交通行业科技课题
2020-06-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
55-58,115