文献类型：期刊文章

作　　者：张惠臻[1] 高正凯[1,2] 李建强[2] 王晨曦[1] 潘玉彪[1,3] 王成[1] 王靖[1]

ZHANG Hui-zhen;GAO Zheng-kai;LI Jian-qiang;WANG Chen-xi;PAN Yu-biao;WANG Cheng;WANG Jing(School of Computer Science and Technology,Huaqiao University,Xiamen 361021,China;School of Software Engineering,Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China;Linewell Software Co.,Ltd.,Quanzhou 362000,China)

机构地区：[1]华侨大学计算机科学与技术学院,福建厦门361021 [2]北京工业大学信息学部软件学院,北京100124 [3]南威软件股份有限公司,福建泉州362000

出　　处：《吉林大学学报（工学版）》

基　　金：国家自然科学基金项目(61802133);福建省科技计划重点项目(2020H0016,2021H0019)。

年　　份：2023

卷　　号：53

期　　号：2

起止页码：430-438

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：交通运输工程 城市轨道交通 短时客流预测  循环神经网络 长短时记忆神经网络  门控循环单元  

分 类 号：U121[交通运输类]