简介:提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.
简介:摘要: 客流量是城市轨道交通规划、建设乃至运营各个阶段的基础。客流预测结果的准确与否将直接影响到城市轨道交通的项目投资和运营效益。本文阐述了轨道交通客流预测的现状、影响因素、调查方法等并对目前的几种预测模型进行了探讨。
简介:【摘要】针对城市公交的客流受天气、节假日和重大活动等因素的多重影响,存在不确定性和随机性的特点。文中基于客流设备采集的客流数据,通过分析采用正态分布方式,用95%的置信区间来进行修正。在修正的数据基础上,利用均值预测、泊松分布预测、中位数预测和截尾平均预测分别进行预测与对比。结果表明四种预测方法在不同样本下的数据略有偏差,而且偏差存在一定的随机性。最后利用四种预测方法加权平均来进行修正。