基于卷积长短时记忆网络的短时公交客流量预测

作者：陈静; 张昭冲; 王琳凯; 安脉; 王伟

来源：系统仿真学报, 2023, 1-11.

DOI：10.16182/j.issn1004731x.joss.22-1168

• 卷积神经网络
• 长短时记忆网络
• 时空数据预测
• k-means聚类

针对传统的短时客流预测方法没有考虑到时序特征中跨时段客流之间的相似性的问题，提出改进k-means聚类算法与卷积神经网络(CNN)和长短时记忆网络(LSTM)相结合的短时客流量预测模型k-CNN-LSTM。预测模型通过k-means方法对跨时段时序数据进行聚类，使用间隔统计确定k值，构造交通流矩阵模型并采用CNN-LSTM网络处理具有时空特征的短时客流。该模型能够对具有空间相关性的数据进行较为准确的预测，使用中新天津生态城的真实数据集对模型进行检验和参数调优，实验结果表明，k-CNN-LSTM模型较其他模型有相对较高的预测精度。

• 单位
  天津职业技术师范大学