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2篇文章
< 1 >
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：
基于混合深度学习的地铁站进出客流量短时预测 被引量：18
1
作者 赵建立 石敬诗 +2 位作者 孙秋霞 任玲 刘彩红 《交通运输系统工程与信息》 EI CSCD 北大核心 2020年第5期128-134,共7页
针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络(CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维CNN与ResNet组成深层神经网络,捕捉站点间的空间特征,同时利用一... 针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络(CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维CNN与ResNet组成深层神经网络,捕捉站点间的空间特征,同时利用一维CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证.结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文ResNet-CNN1D模型具有更好的预测精度. 展开更多
关键词 城市交通 短时客流量预测 深度学习 地铁刷卡数据 CNN ResNet
下载PDF
基于地铁刷卡数据的城市居民行为模式变化分析 被引量：1
2
作者 吴文昊 沈枭麒 《测绘地理信息》 CSCD 2022年第4期105-109,共5页
目前主流的时空数据分析方法侧重于研究行为的空间特征,将居民行为抽象地看作发生于一个时间点上。然而,这种对行为的抽象和简化忽略了行为的持续性。为了发掘行为模式中丰富的时间信息,以深圳地铁刷卡数据为例,构建时间兴趣区域对居民... 目前主流的时空数据分析方法侧重于研究行为的空间特征,将居民行为抽象地看作发生于一个时间点上。然而,这种对行为的抽象和简化忽略了行为的持续性。为了发掘行为模式中丰富的时间信息,以深圳地铁刷卡数据为例,构建时间兴趣区域对居民行为的起止时间和持续时长进行表达,基于CLIQUE算法对居民行为模式进行挖掘,最后对挖掘出的显著模式进行变化分析。实验表明,该刷卡数据集中含有4种显著行为模式,每种模式都具有特定的变化规律,为居民行为模式挖掘与研究提供了一种新思路。 展开更多
关键词 时空数据分析 地铁刷卡数据 时间兴趣区域 CLIQUE算法 居民行为模式挖掘
原文传递
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 下一页 到第 页
使用帮助 返回顶部