期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
FCTNet:基于双域深度学习的公交车到站时间预测方法
1
作者
张铭泽
李轶
+2 位作者
吴文渊
石明全
王正江
《计算机科学》
CSCD
北大核心
2024年第S02期562-568,共7页
公交车到站时间预测是智能公交系统的重要组成部分,可以给乘客提供精确的到站时间,还可以帮助调度员进行更合理的调度安排。为此,提出一种基于卷积、注意力机制和FFT的对时域和频域进行双域深度学习的公交车到站时间预测算法FCTNet(FFT-...
公交车到站时间预测是智能公交系统的重要组成部分,可以给乘客提供精确的到站时间,还可以帮助调度员进行更合理的调度安排。为此,提出一种基于卷积、注意力机制和FFT的对时域和频域进行双域深度学习的公交车到站时间预测算法FCTNet(FFT-Conv-Transformer),该算法融合了傅里叶变换、卷积神经网络和注意力机制,其可以对公交车单站和多站的到站时间进行预测。其中利用傅里叶变换和卷积神经网络在频域上学习输入数据的时空特征,同时保留时域信号,利用注意力机制学习输入序列的全局依赖关系,预测最终结果。在重庆市465,506和262这3条公交线路到站时间预测实验中,FCTNet网络模型的平均绝对百分比误差和平均绝对误差优于实验对比算法,在最繁忙的465线路中FCTNet网络模型的平均相对误差相对已有最好模型降低了2.34%,平均绝对误差降低了4.59 s。
展开更多
关键词
到站预测
注意力机制
时域频域转换
卷积神经网络
深度神经网络
下载PDF
职称材料
基于改进非全连接神经网络的站点客流预测模型
被引量：
1
2
作者
高御尧
石明全
+3 位作者
秦渝
陈建平
周喜
张鹏
《计算机工程》
CAS
CSCD
北大核心
2023年第9期43-51,共9页
在地面公交运输中,站点客流量数据是公交线网规划最重要的基础数据之一。站点周边兴趣点(POI)的类型、数量以及距离会导致站点客流量出现不同的趋势。神经网络是研究客流预测的常用方案,然而由于POI对客流的影响存在相互独立性,这一重...
在地面公交运输中,站点客流量数据是公交线网规划最重要的基础数据之一。站点周边兴趣点(POI)的类型、数量以及距离会导致站点客流量出现不同的趋势。神经网络是研究客流预测的常用方案,然而由于POI对客流的影响存在相互独立性,这一重要特征并未在传统全连接神经网络的结构中得以体现,易使预测效果不尽人意。基于POI与客流量关系的特殊性,改进全连接神经网络的基本结构,构建一种特定的非全连接神经网络,利用所有公交站点客流量的历史数据及各类POI分布,实现对站点各时间段的客流量的模拟及预测。模型设定一种连接矩阵实现特定的连接方式,并根据客流量的性质额外赋予部分隐藏层实际意义,构造组合误差传递函数,增强神经网络的可解释性。该模型可以快速收敛至全局最优解,改进传统全连接神经网络的收敛速度慢、拟合效果差、易陷入局部最优解等问题。实验结果表明,该模型单位时间内的客流量预测偏差在50人以内的概率达到88%以上,对比其他常见预测模型均有优质表现,并且能准确模拟每日客流的变化趋势。
展开更多
关键词
公路运输
客流量预测
非全连接神经网络
兴趣点
公交站点
下载PDF
职称材料
题名
FCTNet:基于双域深度学习的公交车到站时间预测方法
1
作者
张铭泽
李轶
吴文渊
石明全
王正江
机构
中国科学院
重庆
绿色智能技术研究院自动推理与认知
重庆市
重点实验室
中国科学院大学
重庆
学院
重庆市
公共交通
控股集团
凤
筑
科技
有限公司
出处
《计算机科学》
CSCD
北大核心
2024年第S02期562-568,共7页
基金
重庆市院士牵头科技创新引导专项(cstc2020yszx-jcyjX0005,cstc2021yszx-jcyjX0005,cstc2022YSZX-JCX0011CSTB)。
文摘
公交车到站时间预测是智能公交系统的重要组成部分,可以给乘客提供精确的到站时间,还可以帮助调度员进行更合理的调度安排。为此,提出一种基于卷积、注意力机制和FFT的对时域和频域进行双域深度学习的公交车到站时间预测算法FCTNet(FFT-Conv-Transformer),该算法融合了傅里叶变换、卷积神经网络和注意力机制,其可以对公交车单站和多站的到站时间进行预测。其中利用傅里叶变换和卷积神经网络在频域上学习输入数据的时空特征,同时保留时域信号,利用注意力机制学习输入序列的全局依赖关系,预测最终结果。在重庆市465,506和262这3条公交线路到站时间预测实验中,FCTNet网络模型的平均绝对百分比误差和平均绝对误差优于实验对比算法,在最繁忙的465线路中FCTNet网络模型的平均相对误差相对已有最好模型降低了2.34%,平均绝对误差降低了4.59 s。
关键词
到站预测
注意力机制
时域频域转换
卷积神经网络
深度神经网络
Keywords
Arrival forecast
Attention mechanism
Time-frequency transformation
Convolution neural network
Deep neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于改进非全连接神经网络的站点客流预测模型
被引量：
1
2
作者
高御尧
石明全
秦渝
陈建平
周喜
张鹏
机构
中国科学院
重庆
绿色智能技术研究院
中国科学院大学
重庆
学院
重庆市
公共交通
控股集团
凤
筑
科技
有限公司
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第9期43-51,共9页
基金
国家重点研发计划(2020YFA0712300)
国家自然科学基金(11771421)
重庆市自然科学基金(cstc2019jcyj-msxmX0638)。
文摘
在地面公交运输中,站点客流量数据是公交线网规划最重要的基础数据之一。站点周边兴趣点(POI)的类型、数量以及距离会导致站点客流量出现不同的趋势。神经网络是研究客流预测的常用方案,然而由于POI对客流的影响存在相互独立性,这一重要特征并未在传统全连接神经网络的结构中得以体现,易使预测效果不尽人意。基于POI与客流量关系的特殊性,改进全连接神经网络的基本结构,构建一种特定的非全连接神经网络,利用所有公交站点客流量的历史数据及各类POI分布,实现对站点各时间段的客流量的模拟及预测。模型设定一种连接矩阵实现特定的连接方式,并根据客流量的性质额外赋予部分隐藏层实际意义,构造组合误差传递函数,增强神经网络的可解释性。该模型可以快速收敛至全局最优解,改进传统全连接神经网络的收敛速度慢、拟合效果差、易陷入局部最优解等问题。实验结果表明,该模型单位时间内的客流量预测偏差在50人以内的概率达到88%以上,对比其他常见预测模型均有优质表现,并且能准确模拟每日客流的变化趋势。
关键词
公路运输
客流量预测
非全连接神经网络
兴趣点
公交站点
Keywords
highway transportation
ridership prediction
non-fully connected neural network
Point of Interest(POI)
bus station
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
FCTNet:基于双域深度学习的公交车到站时间预测方法
张铭泽
李轶
吴文渊
石明全
王正江
《计算机科学》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于改进非全连接神经网络的站点客流预测模型
高御尧
石明全
秦渝
陈建平
周喜
张鹏
《计算机工程》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
