典型文献
考虑航班计划的机场短时停车需求预测
文献摘要：
为克服现有短时停车需求模型无法直接利用于机场停车需求预测这一问题,利用停车数据、航班计划和气象信息,建立了面向机场停车场的短时停车需求预测模型.首先使用机场停车数据分析了停车场短时车辆到达与离去特性,然后考虑到航班计划对机场停车场短时停车需求的影响,将其与气象状况同时引入短时停车需求影响因素中,建立了基于Conv1D-长短期记忆(long short-term memory,LSTM)神经网络结构的机场短时停车需求模型.以上海虹桥机场停车场为实例,Conv1D-LSTM模型实验结果的平均绝对误差和均方根误差分别为12.057辆和14.237辆;对比多个其他模型实验结果,所构建的Conv1D-LSTM模型预测效果更优,能有效应用于机场停车场短时停车需求预测.
文献关键词：
交通工程;短时停车需求;机场停车场;航班计划;Conv1D-长短期记忆(LSTM)模型
中图分类号：
作者姓名：
樊博;刘洋;李怡凡
作者机构：
中国民用航空总局第二研究所,成都610041
文献出处：
引用格式：
[1]樊博;刘洋;李怡凡-.考虑航班计划的机场短时停车需求预测)[J].科学技术与工程,2022(32):14465-14470
A类：
短时停车需求,机场停车场
B类：
航班计划,需求预测,需求模型,气象信息,离去,需求影响因素,Conv1D,长短期记忆,long,short,term,memory,神经网络结构,上海虹桥机场,模型实验,平均绝对误差,有效应用,交通工程
AB值：
0.139965
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。
