期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到108篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于IGWO-BP算法的轨道交通短时客流预测 被引量：11
1
作者 张艺铭 陈明明 +1 位作者 石磊 康蓉桂 《交通信息与安全》 CSCD 北大核心 2021年第3期85-92,共8页
轨道交通短时客流具有随机性和非线性的特点。为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP)。计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输... 轨道交通短时客流具有随机性和非线性的特点。为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP)。计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力和寻优效率;用IGWO算法优化BP神经网络的初始权值和阈值,提高短时客流预测结果的准确性。预测了西安轨道交通2号线龙首原站周三早高峰15 min时间粒度的短时客流量,并将IGWO-BP算法的预测结果与其他5种模型(KF,GM,SVM,BPNN,GWO-BP)比较。结果表明,IGWO-BP算法的均方根误差为89.65,平均绝对百分比误差为1.16%,预测结果的精度和稳定性均为最优。 展开更多
关键词 轨道交通 短时客流 相关系数 IGWO算法 BP神经网络
下载PDF
城市轨道交通短时客流不确定性预测模型 被引量：9
2
作者 郭旷 王雪梅 张宁 《城市轨道交通研究》 北大核心 2020年第1期22-26,共5页
以城市轨道交通实际运营客流数据为基础,针对现有短时客流预测存在的问题,从运营时段特征、客流类型及站点周边用地类型等影响因素出发,剖析了短时客流存在不确定性的原因;基于周期性差分自动平滑回归模型和支持向量机理论,构建了短时... 以城市轨道交通实际运营客流数据为基础,针对现有短时客流预测存在的问题,从运营时段特征、客流类型及站点周边用地类型等影响因素出发,剖析了短时客流存在不确定性的原因;基于周期性差分自动平滑回归模型和支持向量机理论,构建了短时客流预测组合模型,捕捉短时客流的周期性特征和局部非线性性特征;为提高短时客流预测结果的可信度,引入广义自回归条件异方差模型来构建短时客流不确定性预测模型。通过实例,验证结果表明,周期性差分自动平滑回归-在线支持向量机组合模型对于周期性强且稳定的客流具有优越的预测性能,广义自回归条件异方差模型的短期客流不确定性预测结果更为准确可靠。 展开更多
关键词 城市轨道交通 短时客流 不确定性预测
下载PDF
考虑动态波动性的轨道交通站点短时客流预测方法 被引量：8
3
作者 段金肖 丁川 +1 位作者 鹿应荣 马晓磊 《交通信息与安全》 CSCD 2017年第5期62-69,共8页
轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑,不能预测短时客流区间。以北京市典型轨道交通站点为例开展实证,构建ARIMA-GARCH模型对误差项建模分析,拟合短时客流的随机波动特征。不同于以往的ARIMA-GARCH模型,研究还通过... 轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑,不能预测短时客流区间。以北京市典型轨道交通站点为例开展实证,构建ARIMA-GARCH模型对误差项建模分析,拟合短时客流的随机波动特征。不同于以往的ARIMA-GARCH模型,研究还通过t分布揭示了客流的"尖峰后尾"效应,通过2种非对称GARCH模型识别了短时客流的非对称波动特征。模型结果表明,相比传统ARIMA模型,ARIMA-GARCH混合模型降低了20%以上的客流平均置信区间长度(MPIL),同时提高了1%左右的置信区间覆盖率(PICP);周内客流波动性大于周末客流,而非高峰时段的客流不具有波动性。值得指出的是ARIMA-GARCH模型没有明显降低客流预测的平均绝对误差,尽管如此,混合模型可以在保证客流单点预测的前提下,准确地预测地铁客流区间。 展开更多
关键词 城市交通 动态波动性 ARIMA-GARCH模型 短时客流 对称性
下载PDF
基于K-LSTM-ecm模型的城市轨道交通短时客流预测 被引量：4
4
作者 王金锋 孙连英 +1 位作者 张天 涂帅 《制造业自动化》 CSCD 北大核心 2022年第5期103-107,133,共6页
近年来,城市轨道交通建设规模不断提升,随之而来的是大量客流涌入城市轨道交通系统。城市轨道交通短时客流预测对保证地铁正常运营,优化地铁线网结构,构建智慧轨道交通出行有着积极作用。城市轨道交通短时客流多数情况为可预知常规客流... 近年来,城市轨道交通建设规模不断提升,随之而来的是大量客流涌入城市轨道交通系统。城市轨道交通短时客流预测对保证地铁正常运营,优化地铁线网结构,构建智慧轨道交通出行有着积极作用。城市轨道交通短时客流多数情况为可预知常规客流,具有时间周期性,又根据地铁站所处区域具有独特的客流特点。因此,考虑客流的时间周期性以及不同地铁站的区域独特性,基于K-means聚类算法、LSTM(长短时记忆神经网络)以及误差模型(ecm),提出短时客流预测的K-LSTM-ecm深度学习模型,并进行试验寻找最优参数。最后以北京地铁回龙观站进站数据为例验证模型效果,并对比LSTM、K-LSTM模型。结果表明K-LSTM-ecm模型在效果上优于LSTM、K-LSTM模型。 展开更多
关键词 城轨交通 短时客流 K-MEANS聚类 长短时记忆神经网络
下载PDF
地铁站点短时客流变化规律分析及预测方法 被引量：2
5
作者 黎家靖 张宁 +1 位作者 温龙辉 李兆君 《城市轨道交通研究》 北大核心 2023年第11期36-42,共7页
目的:地铁站点短时客流预测是地铁车站运营管理的重要组成部分之一,精准的客流预测结果可为地铁车站的运营计划提供数据支撑,需对地铁站点短时客流的预测方法进行系统、深入的研究。方法:以地铁南京南站(四线换乘站)为例,分析了该站点... 目的:地铁站点短时客流预测是地铁车站运营管理的重要组成部分之一,精准的客流预测结果可为地铁车站的运营计划提供数据支撑,需对地铁站点短时客流的预测方法进行系统、深入的研究。方法:以地铁南京南站(四线换乘站)为例,分析了该站点短时客流的变化规律,发现其在一周内存在3种日客流发展模式。基于此,使用STL(时间序列分解)算法和EMD(经验模态分解)算法对该站的原始进站客流进行双层分解,结合BiLSTM(双向长短期记忆网络)构建了该站的客流预测组合模型。将该组合模型的客流预测流程细分为3个阶段,选取合适的参数值,对输出的预测结果进行对比分析。最后对不同时间粒度的客流统计间隔进行试验,以验证客流统计间隔和模型预测效果的关系。结果及结论:STL-EMD-BiLSTM组合模型在3类日客流发展模式下的平均绝对百分比误差分别为5.0%、6.3%、6.3%。与其余5种预测模型相比,STL-EMD-BiLSTM组合模型的均方根误差、平均绝对误差和平均绝对百分比误差均为最优,这说明该组合模型的有效性和准确性。客流统计间隔增加,模型的预测效果随之提升。 展开更多
关键词 地铁 短时客流 变化规律 双层分解 组合模型
下载PDF
基于经验模态分解的城市轨道交通短时客流预测模型 被引量：2
6
作者 费延达 李树榜 《现代电子技术》 2022年第21期151-154,共4页
目前在城市轨道交通短时客流预测过程中,容易受到乘客、时间等外来因素影响,导致预测准确度相对较低。为此,提出基于经验模态分解的城市轨道交通短时客流预测模型。利用固有经验模态函数进行数据支撑,根据时间特性进行序列分解,分解为... 目前在城市轨道交通短时客流预测过程中,容易受到乘客、时间等外来因素影响,导致预测准确度相对较低。为此,提出基于经验模态分解的城市轨道交通短时客流预测模型。利用固有经验模态函数进行数据支撑,根据时间特性进行序列分解,分解为时间序列模块。在完成数据收集后,对数据差值进行求解,确定固有经验模态函数的数量,利用权重系数实现权重更新,确保预测过程的稳定性。分解原始客流序列数据,对函数分量加以细化筛选,通过信息筛选和输出利用预测模型实现信息预测。实验结果表明,该模型能够很好地实现数据采集和提取,预测准确度高达98%,预测能力较好,为城市轨道运输工作提供了有力的数据支撑。 展开更多
关键词 经验模态分解 城市轨道交通 短时客流 预测模型 数据收集 权重系数
下载PDF
基于多层卷积长短期记忆神经网络的城轨路网短时客流预测研究
7
作者 王忻 李晔 +1 位作者 张思韬 张凌云 《现代城市轨道交通》 2023年第9期95-99,共5页
精准的客流预测对城市轨道交通管理者获取交通需求变化、做出科学决策具有重要意义。为进一步提升客流预测精度,充分考虑客流时空特性,文章提出一种基于多层卷积长短期记忆神经网络(ConvLSTM)的路网短时客流预测模型。通过多层ConvLSTM... 精准的客流预测对城市轨道交通管理者获取交通需求变化、做出科学决策具有重要意义。为进一步提升客流预测精度,充分考虑客流时空特性,文章提出一种基于多层卷积长短期记忆神经网络(ConvLSTM)的路网短时客流预测模型。通过多层ConvLSTM中的卷积运算获取客流的空间特性,通过长短期记忆部分获取客流的时间特性。为验证模型的有效性,采用某城市地铁客流数据进行案例验证,研究结果表明:该模型相比于现有模型具有更高的预测精度。综上所述,该模型可为城市轨道交通站点短时客流预测提供新的方法,具有研究意义和现实意义。 展开更多
关键词 城市轨道交通 短时客流 预测 ConvLSTM
下载PDF
城市轨道交通线路短时客流不确定性分析
8
作者 吕锋 付保明 张宁 《信息系统工程》 2019年第1期123-126,共4页
城市轨道交通短时客流是轨道交通运营管理及行车调度实时优化的基础,对短时客流的不确定性进行分析研究是提高运营管理水平、乘客服务水平的重要途径。针对短时客流不确定性研究的不足,首先明确了短时客流不确定性的具体含义,并采用近... 城市轨道交通短时客流是轨道交通运营管理及行车调度实时优化的基础,对短时客流的不确定性进行分析研究是提高运营管理水平、乘客服务水平的重要途径。针对短时客流不确定性研究的不足,首先明确了短时客流不确定性的具体含义,并采用近似熵、离散系数等指标度量短时客流的不确定性;然后,结合南京地铁2号线短时进站客流数据,分析时间粒度、票卡类型、运营时段、节假日、季节月份、天气等因素对短时客流不确定性的具体影响,从而为轨道交通运营管理策略的制定提供了依据。 展开更多
关键词 城市轨道交通 短时客流 不确定性 离散系数
下载PDF
基于卡尔曼滤波的公交站点短时客流预测 被引量：53
9
作者 张春辉 宋瑞 孙杨 《交通运输系统工程与信息》 EI CSCD 2011年第4期154-159,共6页
公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持.在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程.选用了一条实际公交线路中客流量较大、客流变化... 公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持.在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程.选用了一条实际公交线路中客流量较大、客流变化明显具有代表性的站点进行了采集数据和实例分析,数据结果的平均绝对误差为5.177 1,均方误差为0.796 1,表明提出的模型与算法可以有效地对短时公交客流进行预测.与人工神经网络预测结果比较,在相同的实例数据下,其平均绝对误差为10.477 0,均方误差为1.672 4,结果表明使用卡尔曼滤波建立的模型比较准确,说明本文所提出的方法预测误差小,具有现实的应用意义. 展开更多
关键词 城市交通 短时客流预测 卡尔曼滤波
下载PDF
基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型 被引量：48
10
作者 赵阳阳 夏亮 江欣国 《交通运输工程学报》 EI CSCD 北大核心 2020年第4期194-204,共11页
为降低样本噪声对客流预测模型的干扰,结合深度学习理论,提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型;将预测过程分为3个阶段,第1阶段预处理原始地铁刷卡数据,构建进(出)站客流时间序列,运用经验模态分解法... 为降低样本噪声对客流预测模型的干扰,结合深度学习理论,提出了一种基于经验模态分解与长短时记忆神经网络的短时地铁客流预测模型;将预测过程分为3个阶段,第1阶段预处理原始地铁刷卡数据,构建进(出)站客流时间序列,运用经验模态分解法将时间序列转化为一系列本征模函数及残差,第2阶段利用偏自相关函数确定长短时记忆神经网络的输入变量,第3阶段基于深度学习库Keras,完成长短时记忆神经网络的搭建、训练及预测;以上海地铁2号线人民广场站客流数据验证了模型的有效性。计算结果表明:与代表性的预测模型(差分自回归移动平均模型、支持向量机、经验模态分解与反向传播神经网络、长短时记忆神经网络)相比,经验模态分解与长短时记忆神经网络预测模型分别将工作日高峰、平峰、全日的进(出)站客流预测精度分别至少提升了2.1%(2.5%)、2.7%(3.5%)、2.7%(3.4%),将非工作日全日的进(出)站客流预测精度至少提升了3.3%(3.5%),说明经验模态分解与长短时记忆神经网络的组合是一种预测短时地铁客流的有效模型;当预测步长由5 min逐渐增加至30 min时,工作日高峰、平峰和全日进(出)站客流的平均绝对百分比预测误差分别由14.8%(13.9%)、16.8%(17.4%)和16.6%(17.0%)逐渐降低至7.0%(6.2%)、8.3%(7.5%)和8.1%(7.4%),说明该方法预测误差与预测步长呈负相关。 展开更多
关键词 地铁 短时客流预测 经验模态分解 长短时记忆神经网络 时间序列 深度学习 偏自相关检验
原文传递
基于组合模型的城市轨道交通短时客流预测 被引量：42
11
作者 杨静 朱经纬 +2 位作者 刘博 冯诚 张红亮 《交通运输系统工程与信息》 EI CSCD 北大核心 2019年第3期119-125,共7页
针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间... 针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用ARMA模型与小波ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议. 展开更多
关键词 城市交通 短时客流预测 组合预测模型 变点模型 小波变换 自回归滑动平均
下载PDF
基于深度学习长短期记忆网络结构的地铁站短时客流量预测 被引量：34
12
作者 李梅 李静 +2 位作者 魏子健 王思达 陈赖谨 《城市轨道交通研究》 北大核心 2018年第11期42-46,77,共6页
准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的... 准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的内部影响因子。通过对数据的分析,综合考虑工作日、非工作日和高峰时段对客流的影响,提取2个内部显著影响因子。以上海轨道交通莘庄站为例,提出了一种基于深度学习长短期记忆(LSTM)网络结构的地铁站短时客流预测方法。最后,将预测结果与典型时间序列预测算法MLR(多元线性回归)和BP(反向传播)神经网络进行对比,验证了LSTM网络在地铁站短时客流量预测中具有更高的准确性和很好的适用性。 展开更多
关键词 地铁站 短时客流量预测 深度学习 长短期记忆网络
下载PDF
基于深度学习的城市轨道交通短时客流量预测 被引量：32
13
作者 龙小强 李捷 陈彦如 《控制与决策》 EI CSCD 北大核心 2019年第8期1589-1600,共12页
我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信... 我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明, DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型--GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax. 展开更多
关键词 城轨交通短时客流量 深度信念网络 支持向量机 遗传算法 粒子群算法 长短期记忆网络
原文传递
基于卷积长短时记忆神经网络的城市轨道交通短时客流预测 被引量：27
14
作者 王秋雯 陈彦如 刘媛春 《控制与决策》 EI CSCD 北大核心 2021年第11期2760-2770,共11页
我国城市轨道交通正处在快速发展阶段,城轨交通短时客流预测对保障运营安全、优化线网结构,进而构建智慧城市具有重要意义.城轨短时客流除了具有周期性、随机性等时间特征之外,跨时段的断面客流具有相似性,并且相邻站点客流之间存在空... 我国城市轨道交通正处在快速发展阶段,城轨交通短时客流预测对保障运营安全、优化线网结构,进而构建智慧城市具有重要意义.城轨短时客流除了具有周期性、随机性等时间特征之外,跨时段的断面客流具有相似性,并且相邻站点客流之间存在空间联系.对此,充分考虑以上城轨短时客流的时空特征,基于卷积长短时记忆神经网络(ConvLSTM)与自适应k-means聚类算法,提出城轨短时客流预测的深度学习模型k-ConvLSTM,并通过实验对模型关键参数进行寻优;同时,基于深圳市地铁IC卡的真实客流数据对模型的有效性进行检验.结果表明,kConvLSTM在均方根误差、绝对误差均值、绝对误差百分比方面,均优于仅考虑时空特征的深度学习模型--卷积网络(CNN)与长短时记忆网络(LSTM)的并行混合模型和ConvLSTM内嵌式网络模型,仅考虑时间特征的深度学习模型--LSTM网络和双向长短时记忆网络(Bi-LSTM),以及浅层机器学习模型--BP神经网络和支持向量回归模型(SVR). 展开更多
关键词 城轨交通短时客流 时空特征 跨时段客流聚类 卷积长短时记忆神经网络
原文传递
面向数据驱动的城市轨道交通短时客流预测模型 被引量：26
15
作者 梁强升 许心越 刘利强 《中国铁道科学》 EI CAS CSCD 北大核心 2020年第4期153-162,共10页
考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析... 考虑城市轨道交通客流的时空交互关系,提出一种融合循环门控单元和图卷积神经网络的城市轨道交通客流预测模型(GCGRU)。首先,分析短时客流在城市轨道交通网络中的空间关系,建立图卷积神经网络提取不同车站客流的空间交互关系;其次,分析路网各车站客流的时间演化关系,并利用循环门控单元刻画各车站客流数据的时间特征,进而形成面向数据驱动的城市轨道交通路网短时客流预测模型。与传统方法相比,该模型能较好地刻画路网各车站客流的时空相关性,可以深度挖掘路网各车站客流变化的内在机理;同时与既有的图卷积神经网络相比,该模型提出了面向旅行时间的邻接矩阵,能够挖掘客流数据与运行图数据的内在关系,具有较高的精度和可解释性。最后,以广州地铁典型车站的出站量预测为例,验证该模型的有效性。结果表明:该模型在整体预测性能和各车站的预测性能上都优于现有模型,能较好地处理城市轨道交通客流的时空关系,精准地预测路网各车站客流变化。此外,通过邻接矩阵对预测精度影响的分析,进一步验证该模型的性能。 展开更多
关键词 城市轨道交通系统 数据驱动 图卷积神经网络 循环门控单元 短时客流预测
下载PDF
基于滑动平均法的轨道交通短时客流实时预测 被引量：26
16
作者 孟品超 李学源 +1 位作者 贾洪飞 李延忠 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第2期448-453,共6页
提出了一种基于滑动平均方法(MA)的城市轨道交通客流预测算法,首先确定用于滑动平均的滑动参数,然后对历史数据求滑动平均值得到各个时间段的预测客流数据,并采用实时客流数据对预测结果进行修正,得到预测客流时间序列。试验结果表明,... 提出了一种基于滑动平均方法(MA)的城市轨道交通客流预测算法,首先确定用于滑动平均的滑动参数,然后对历史数据求滑动平均值得到各个时间段的预测客流数据,并采用实时客流数据对预测结果进行修正,得到预测客流时间序列。试验结果表明,采用滑动平均方法不仅预测精度要高于支持向量机(SVM)、反向传播神经网络(BPNN)、小波神经网络(WNN)和小波组合支持向量机(WS)这4种预测方法,而且滑动平均方法的计算速度要明显优于以上4种方法,可用于复杂非平稳客流时间序列的短时预测。 展开更多
关键词 交通运输系统工程 滑动平均 滑动参数 短时客流预测 实时预测
下载PDF
基于不同时间粒度的城市轨道交通短时客流预测 被引量：24
17
作者 马超群 李培坤 +2 位作者 朱才华 鲁文博 田甜 《长安大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第3期75-83,共9页
为探究城市轨道交通进站客流量预测精度与时间粒度之间的关系,以西安地铁自动售检票(AFC)系统连续50 d进站客流量数据为研究依据,将地铁运营有效时间划分为5、15、30 min,1、2 h及1 d等不同时间粒度,并对不同时间粒度下客流量时间序列采... 为探究城市轨道交通进站客流量预测精度与时间粒度之间的关系,以西安地铁自动售检票(AFC)系统连续50 d进站客流量数据为研究依据,将地铁运营有效时间划分为5、15、30 min,1、2 h及1 d等不同时间粒度,并对不同时间粒度下客流量时间序列采用Pearson系数法进行相似性度量,然后利用差分整合移动平均自回归(ARIMA)模型对不同时间粒度下的全网进站量进行拟合。以Pearson系数等于0.95作为短时客流预测时间粒度的选取阈值,最终选取在30、60 min及1 d三种时间粒度下用ARIMA模型进行短时客流预测,并与自回归滑动平均(AR)模型、支持向量回归(SVR)模型和BP神经网络预测模型的预测结果进行比较分析。研究结果表明:时间粒度相关性系数变化呈现单波峰形态,在30、60 min及1 d时间粒度下,ARIMA模型预测结果平均相对误差分别为4.12%、3.54%、4.97%;在这4种模型中,ARIMA模型平均预测精度最高,在不同时间粒度下这4种模型的预测误差呈现相同的变化趋势,即平均预测误差由大到小的3种时间粒度分别为1 d,30、60 min。因此,时间粒度大小选取的极端化并不会带来短时客流预测效果的直接提升,优化后的时间序列模型在西安地铁全网进站客流量短期预测方面具有较高的精度,研究成果可为城市轨道交通行车组织优化提供技术支持。 展开更多
关键词 交通工程 城市轨道交通 短时客流预测 ARIMA模型 时间粒度 相似性度量
原文传递
基于改进卡尔曼滤波的轨道交通站台短时客流预测 被引量：23
18
作者 张智勇 张丹丹 +1 位作者 贾建林 梁天闻 《武汉理工大学学报（交通科学与工程版）》 2017年第6期974-977,共4页
在对站台短时客流特性进行分析的基础上,基于卡尔曼滤波理论,提出了改进卡尔曼滤波短时客流预测模型,并给出了模型的求解过程.选取北京市客流量较大、客流变化明显的岛式站台、侧式站台、普通站台、换乘站台进行数据采集和实例分析.结... 在对站台短时客流特性进行分析的基础上,基于卡尔曼滤波理论,提出了改进卡尔曼滤波短时客流预测模型,并给出了模型的求解过程.选取北京市客流量较大、客流变化明显的岛式站台、侧式站台、普通站台、换乘站台进行数据采集和实例分析.结果表明,该预测模型的平均绝对误差为0.299,均方误差为34.094,均等系数为0.923,提出的模型可以有效地对短时地铁客流进行预测.相较于传统卡尔曼滤波预测方法,改进的卡尔曼滤波短时客流预测方法能够提升预测信息的实时性,并使平均绝对误差降低了0.448,进一步提高了预测精度. 展开更多
关键词 轨道交通 短时客流预测 卡尔曼滤波
下载PDF
基于改进ARIMA模型的城市轨道交通短时客流预测研究 被引量：22
19
作者 张国赟 金辉 《计算机应用与软件》 北大核心 2022年第1期339-344,共6页
城市轨道交通的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务。通常短时客流预测的客流量数据规律性较弱、随机误差干扰较强,ARIMA(Autoregressive Integrated Moving Average)模型能对因变量... 城市轨道交通的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务。通常短时客流预测的客流量数据规律性较弱、随机误差干扰较强,ARIMA(Autoregressive Integrated Moving Average)模型能对因变量产生的推迟量、产生随机误差的滞后值及当前值进行预测。为验证模型预测效果,以成都轨道交通天府广场站为例,设计一种基于改进ARIMA模型的城市轨道交通短时客流预测研究办法。通过实例分析,验证了改进ARIMA模型在城市轨道交通系统进行车站短时客流预测的时候具备更好的预测效果。 展开更多
关键词 城市轨道交通 短时客流预测 ARIMA
下载PDF
基于遗传算法与小波神经网络的客流预测研究 被引量：19
20
作者 邹巍 陆百川 +3 位作者 邓捷 马庆禄 邱世崇 张勤 《武汉理工大学学报（交通科学与工程版）》 2014年第5期1148-1151,1157,共5页
针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分... 针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用. 展开更多
关键词 城市轨道交通 短时客流预测 遗传算法 小波神经网络 仿真
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
使用帮助 返回顶部