典型文献
基于LightGBM-LSTM的公交到站时间预测
文献摘要：
公交到站时间预测能够为公共交通智能调度和公众出行提供技术服务,具有重要意义.提出一种基于轻量级梯度提升机(LightGBM)和长短期记忆网络(LSTM)的公交到站时间预测模型,其中LSTM模型用来区分时序数据的高平峰模式,LightGBM模型用来预测公交到站的时长.以广州市某典型公交线路为例,从公交调度系统中提取大量的历史数据进行预处理,分析了影响公交到站时间的因素,构建模型的特征集,然后采用LightGBM模型进行预测,以平均绝对百分比误差(MAPE)作为预测模型的评价指标.结果表明,基于LightGBM-LSTM模型的预测准确率高于支持向量机模型、BP神经网络模型和多元线性回归模型.
文献关键词：
公交到站时间;预测模型;LightGBM;LSTM
中图分类号：
作者姓名：
罗建平;陈欢;杨森彬;张燕忠
作者机构：
广东省城市智能交通物联网工程技术研究中心,广州510663
文献出处：
引用格式：
[1]罗建平;陈欢;杨森彬;张燕忠-.基于LightGBM-LSTM的公交到站时间预测)[J].广东公路交通,2022(02):60-66
A类：
B类：
LightGBM,公交到站时间预测,公共交通,智能调度,技术服务,轻量级梯度提升机,长短期记忆网络,时间预测模型,时序数据,高平,公交线路,公交调度,调度系统,历史数据,构建模型,征集,平均绝对百分比误差,MAPE,预测准确率,支持向量机模型,多元线性回归模型
AB值：
0.234393
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。
