共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于大数据的轨道交通短时客流预测研究显示文摘轨道交通以其高效、快速、准时的优势,得到了城市内旅客出行的青睐。轨道交通站内及线上的客流变化情况直接影响了轨道交通运营的安全性和高效性,尤其是针对特殊情况客流产生巨大增长的情况,因此,开展短时客流预测研究具有重要意义。大数据技术为短时客流预测研究带来了便利和挑战。本文立足于大数据时代,对近年来城市轨道交通短时客流预测采用的模型、方法以及对时间粒度的选择进行了综述,研究主要面向普通机器学习算法和深度学习网络开展。结果表明,具有时空特性的长短时记忆模型(LSTM)是客流预测领域一种应用广泛且效果优异的模型。此外,时间粒度的选择与预测的对象、模型和方法有关,15和30min的时间粒度适合于大多数情况。 | 杨政 | 2024 | 铁道勘测与设计2024，，1： | 0 |
| 2 | 基于多任务学习的轨道交通短时客流预测研究显示文摘为了精准预测轨道交通的短时客流量,有效缓解城市交通拥堵,提出了一种基于多任务学习的轨道交通短时客流预测模型,该模型采用残差卷积神经网络和嵌套式长短期记忆神经网络提取客流的时空相关性,引入注意力机制加强模块对特征的提取效果。考虑轨道交通运营的特点,模型进一步选取列车运行特征、轨道交通站点周边公交站点以及兴趣点数据作为外部特征,以提高轨道交通短时客流预测精度。基于北京地铁历史客流数据,在10、30、60 min等多时间粒度场景下进行实验。结果显示,该方法通过多任务学习的方式建模分析站点进出站客流之间的相互影响,提高了模型的预测性能和泛化能力,为城市轨道交通短时客流预测问题提供了新的思路。 | 张含笑 刘宇然 刘媛 牛子辰 | 2024 | 山东科学2024，37，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员