基于时空特征的公交站点短时客流量预测

扫码查看

原文链接

万方数据
维普

中文摘要：针对以往公交客流量预测只考虑时序特征而忽略空间维度特征的缺点,提出一种结合注意力机制的图卷积长短期记忆单元预测模型(AGLSTM)来预测公交站点的客流量.该模型运用图卷积网络(GCN)对每个时刻的公交站点客流量进行空间维度的特征提取,使用长短期记忆网络(LSTM)对公交站点客流量进行时间特征的提取.为了更关注公交站点客流量有重大影响时刻的特征,该模型还引入了注意力机制模块.注意力机制可以通过计算不同时刻长短期记忆单元隐藏状态的权重,来评估各隐藏状态对输出结果的影响.通过对北京4条公交线路的真实刷卡数据进行实验分析,并与部分经典预测算法进行对比,证明了提出的考虑时空特征的组合模型能够有效地提高模型的预测精度.

外文标题：Short-term Passenger Flow Prediction of Bus Stops Based on Spatiotemporal Features

作者：

姚思佳、桂智明、郭黎敏

展开 >

作者单位：

北京工业大学信息学部,北京 100124

关键词：

公交客流量预测时空特征图卷积网络长短期记忆网络注意力机制

基金：

北京市教育科技面上项目

项目编号：

KM201810005023

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.04.018

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(4)

参考文献量8