典型文献
基于时空深度学习的轨道交通客流预测研究
文献摘要：
为给智能交通系统提供数据支撑和辅助数据,提升城市轨道交通服务和治理水平,以城市轨道交通网络中站点客流为研究对象,基于图卷积神经网络与双向长短期记忆网络提出时空特征预测深度学习模型.在真实数据集上对工作日和非工作日进行验证后,结果表明所提出的模型相比较于单一模型精度更高,模型表现更稳定.
文献关键词：
城市轨道交通;客流预测;图卷积神经网络;深度学习
中图分类号：
作者姓名：
郑屹桐;谢昊阳
作者机构：
兰州交通大学 交通运输学院,甘肃 兰州 730070
文献出处：
引用格式：
[1]郑屹桐;谢昊阳-.基于时空深度学习的轨道交通客流预测研究)[J].运输经理世界,2022(28):13-15
A类：
B类：
轨道交通客流,客流预测,预测研究,智能交通系统,辅助数据,交通服务,城市轨道交通网络,中站,站点客流,图卷积神经网络,双向长短期记忆网络,时空特征,特征预测,测深,深度学习模型,真实数据,工作日,模型精度,更稳
AB值：
0.311423
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。
