典型文献
考虑轨道出行时空分布的断面客流预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
张建旭;宾科;蒋雨洋
作者机构：
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
文献出处：
引用格式：
[1]张建旭;宾科;蒋雨洋-.考虑轨道出行时空分布的断面客流预测)[J].重庆理工大学学报,2022(06):164-171
A类：
断面客流预测,出行引力因子
B类：
出行时空分布,拥挤,列车运行,运行调度,全线,流时,时空分布规律,长短期记忆人工神经网络,理该,研究模型,层数,出行时间,预测性能,平均绝对误差,MAE,离差,历史数据,时间步,时间序列模型,进出站,城市轨道交通运营,运营组织,组织优化,城市交通
AB值：
0.253492
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
