典型文献
基于深度学习和粒子滤波的公交车到站时间预测
文献摘要：
在现代城市中,准确预测公交车的到站时间具有重要意义.尤其是在交通拥堵条件下,公交车的到站时间受到复杂路况的极大影响.本文结合深度学习和粒子滤波技术,提出了一种基于深度学习(长短期记忆人工神经网络)和粒子滤波(Particle Filter,PF)的公交到站时间预测模型.该模型使用了公交车卫星定位系统和公交线路位置等数据,对所采集的数据进行插值与归一化等预处理,并充分考虑了公交车在运行过程中受到的影响因素,对北京公交集团的4条典型公交线路进行了分析.结果表明,基于深度学习和粒子滤波的公交车到站时间预测模型的平均绝对误差在80 s以内,预测精度也显著高于标准LSTM模型和标准粒子滤波模型,能有效地预测公交车到站时间.
文献关键词：
公交到站时间;预测;深度学习;粒子滤波;LSTM
中图分类号：
作者姓名：
安宇航;马继辉;刘慧勇;纪安琪
作者机构：
北京交通大学交通运输学院 ,北京 100044;北京信息科技大学信息管理学院 ,北京100192;青岛市市政工程设计研究院有限责任公司 ,山东青岛 266000
文献出处：
引用格式：
[1]安宇航;马继辉;刘慧勇;纪安琪-.基于深度学习和粒子滤波的公交车到站时间预测)[J].北京交通大学学报,2022(01):88-97
A类：
B类：
粒子滤波,公交车,现代城市,准确预测,交通拥堵,复杂路况,滤波技术,长短期记忆人工神经网络,Particle,Filter,PF,公交到站时间预测,时间预测模型,模型使用,卫星定位系统,公交线路,线路位置,北京公交,公交集团,平均绝对误差,准粒子,滤波模型
AB值：
0.29756
相似文献
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。
