典型文献
基于门控循环神经网络的客运站客流预测
文献摘要：
分析客运站历史客流数据并进行客流量预测,可以帮助客运人员掌握车站客运调度情况,应对客流突发事件等,对旅客运输组织的优化极为重要.以北京北站全年实际发送客流量为样本数据集,采集客流数的频率为30 min,将全年数据集以8∶2比例划分为训练集和测试集.首先对数据集做预处理,通过分析数据的周期性和波动性特点,采用Z-Score方法进行标准化处理.利用循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环神经网络(GRU)对标准化后的数据集进行训练,并对最后1天的客流量进行预测.通过对3种模型的预测结果进行波形观察与均方根误差(RMSE)比对,基于GRU模型的客流量预测具有更好的波峰响应与更低的误差,更接近原始波形.
文献关键词：
客流量预测;循环神经网络;长短期记忆网络;门控循环神经网络;均方根误差
中图分类号：
作者姓名：
张亚伟;陈瑞凤;刘小燕
作者机构：
中国铁道科学研究院集团有限公司 电子计算技术研究所,北京100081
文献出处：
引用格式：
[1]张亚伟;陈瑞凤;刘小燕-.基于门控循环神经网络的客运站客流预测)[J].铁道运输与经济,2022(09):96-102
A类：
北京北站
B类：
门控循环神经网络,客运站,客流预测,流数据,行客,客流量预测,车站,旅客运输,运输组织,化极,发送,送客,样本数据集,年数,训练集,测试集,波动性,Score,标准化处理,RNN,长短期记忆网络,GRU,行波,RMSE,波峰
AB值：
0.248255
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。
