10.19713/j.cnki.43-1423/u.T20222180
考虑稀疏特性的城市轨道交通短时OD时空预测方法
准确快速地获取城市轨道短时OD需求对城轨交通管理者及时获取乘客出行需求变化、做出科学决策具有重要意义.由于OD数据存在高维度稀疏特性,导致短时OD预测存在预测精度不高和计算效率低的问题.为进一步提升预测准确性和时效性,考虑OD需求的时空特性和矩阵可分解特性,提出一种基于时空分解和动态模式分解的短时OD预测模型(STDMD).该方法首先采用融合时间序列分解和离散小波变换的时空分解模块,将原始数据分解为多个时空分量,提取时空特征;同时,利用动态模式分解预测模块通过奇异值分解截断数据矩阵的特征值,对数据进行降维去噪,并集成各分量预测结果,实现城市轨道OD的快速、精准预测.为验证模型的有效性,采用北京地铁数据进行案例验证.研究结果表明:STDMD模型具有较高的预测精度和较短的预测时间,在预测精度上,比向量自回归模型、卷积长短期记忆网络和时间正则化矩阵分解模型分别提高了5.0％,15.3％和17.9％;在预测时间上,比向量自回归模型和卷积长短期记忆网络分别缩短了95.7％和37.6％.STDMD模型各模块均可有效提升模型的预测精度.STDMD模型在不同数据集上表现出较强的鲁棒性.STDMD模型可为稀疏条件下的OD分析预测提供新的思路和方法,具有研究意义与现实意义.
城市轨道交通、时空特性、稀疏特性、动态模式分解、短时OD预测
20
U231(特种铁路)
北京市自然科学基金资助项目;中央高校基本科研业务费专项资金资助项目
2023-11-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
3685-3695
