典型文献
基于生成对抗网络的地铁OD需求短时预测
文献摘要：
城市轨道交通作为一种安全、运量大、环保节能的交通工具,能有效缓解城市交通压力,逐渐成为大中城市居民最重要的出行方式之一.准确可靠的城市轨道交通短期客流预测对旅客出行与客流管控有重要意义.有鉴于此,提出一种新型的生成对抗网络(GAN)模型,即CWGAN-div模型,以实现对地铁OD需求的短期预测.CWGAN-div模型融合条件生成对抗网络(CGAN)模型以及基于Wasserstein散度的生成对抗网络(WGAN-div)模型,结合2种模型的特点,来提高原始生成对抗网络模型的稳定性和生成精度.考虑到地铁客流量变化的时间周期性,使用一种融合2类周期信息的时间标签作为条件信息,并与历史OD数据一起作为模型的输入.为了更充分、更稳定地挖掘地铁客流需求的时空相关性,采用一种改进的卷积神经网络,即残差神经网络构建CWGAN-div的内部结构.以深圳地铁1号线和4号线的44个站点为例,数值实验表明,CWGAN-div模型具有较好的稳定性和预测效果,相比传统预测方法和普通深度学习方法在预测精度上分别提高了27.97％和6.59％,相比其他组合模型提高了3.26％,相比基础CGAN模型和WGAN-div模型预测精度分别提高了3.83％和9.51％,且残差神经网络结构能够提升模型的稳定性,加快模型收敛.由此可见,CWGAN-div模型在预测短期地铁OD需求方面具有研究意义与现实意义.
文献关键词：
城市轨道交通;地铁OD需求;短时交通预测;生成对抗网络;残差神经网络
中图分类号：
作者姓名：
申慧涛;郑亮;李树凯;王璞
作者机构：
中南大学 交通运输工程学院,湖南 长沙 410075;北京交通大学 轨道交通控制与安全国家重点实验室,北京 100044
文献出处：
引用格式：
[1]申慧涛;郑亮;李树凯;王璞-.基于生成对抗网络的地铁OD需求短时预测)[J].铁道科学与工程学报,2022(06):1530-1539
A类：
短时交通预测
B类：
OD,短时预测,城市轨道交通,通作,运量,环保节能,交通工具,城市交通,大中城市,城市居民,出行方式,短期客流预测,旅客出行,有鉴于此,CWGAN,div,短期预测,模型融合,条件生成对抗网络,CGAN,Wasserstein,散度,地铁客流量,客流量变化,时间周期性,时间标签,条件信息,更稳,客流需求,时空相关性,残差神经网络,网络构建,深圳地铁,数值实验,传统预测,深度学习方法,组合模型,比基,神经网络结构,需求方,研究意义
AB值：
0.284694
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。
