首页|考虑轨道出行时空分布的断面客流预测

考虑轨道出行时空分布的断面客流预测

Cross-section passenger flow forecast considering the spatial and temporal distribution of urban rail travel

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
掌握列车区间段客流拥挤情况对列车运行调度有重要支撑作用.全线区间客流与站点分布、类型以及历史客流出行规律相关,提出具有时序化特征的出行引力因子对客流时空分布规律进行量化,选用长短期记忆人工神经网络(LSTM)处理该因子与区间客流间的关系.通过研究模型层数以及城市平均出行时间等对LSTM模型预测性能的影响,综合考虑全线区间客流总体平均绝对误差(MAE)和各轨道区间段客流MAE的离差以选择最佳预测模型.根据重庆市轨道历史数据,建立了时间步为3的双层LSTM模型预测重庆市轨道全线区间客流,结果表明:所提模型预测效果不仅优于时间序列模型,还优于直接将进出站客流作为LSTM输入的同类模型,能为城市轨道交通运营组织优化提供参考.

张建旭、宾科、蒋雨洋

展开 >

重庆交通大学 交通运输学院,重庆 400074

重庆交通大学 山地城市交通系统与安全重庆市重点实验室,重庆 400074

城市交通 断面客流预测 出行引力因子 出行时空分布 双层LSTM模型

国家自然科学基金

52078070

2022

10.3969/j.issn.1674-8425(z).2022.06.020

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(6)
  • 3
  • 11