科研之友
微信
新浪微博
Facebook
分享链接
摘要
对轨道交通进站客流进行准确的预测有助于城市交通系统更好的管理,及时做出应对措施。使用Kmeans聚类方法对南京地铁113个站点进行聚类,得到5个不同类别的轨道站点,分析不同类型站点进站客流的时序特征以及天气与工作日因素对客流的影响,发现是否为工作日对进站客流影响最为明显。用长短时记忆网络将前35天的数据作为训练集预测后4天的客流量,将预测结果与循环神经网络和支持向量机做比较。结果表明:类别1和类别3站点的进站客流预测精度要优于其他类别,长短时记忆网络模型对居住型轨道站点进站客流的短时预测具有很好的适用性。
- 单位
