我要投稿
期刊屋 > 交通

基于深度学习的城市轨道交通短时客流起讫点预测

【摘要】 提出了一种基于门控循环单元(GRU)神经网络的致停运，就会有大量地下客流涌上地面。快速有序城市轨道交通短时客流OD(起讫点)预估模型。以实际数据为例，引入同期天气数据，对工作日的数据进行训练预测，并与长短期记忆(LSTM)神经网络模型进行对比。预测结果表明:相对于LSTM模型，GRU模型不仅模型简单、收敛速度明显较快，而且在预估误差和预测稳定性等方面也略优，更适于短时客流OD的快速预测。

【基于深度学习的城市轨道交通短时客流起讫点预测】相关的文章

交通 最新帖子
热门文章