为了提升公交线路运行时间周期的预测精度，提出一种基于改进型卷积神经网络的预测模型。根据公交运行数据的特征分析，采用有序样本聚类方法对运行时间进行时间窗划分，并从卷积层数量和卷积核尺寸两个方面对卷积神经网络进行改进，建立双通道级联卷积神经网络预测模型。实验结果表明，与经典BP神经网络相比，该改进神经网络可获得更高的预测精度，验证了该预测模型的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
