10.3969/j.issn.1000-386x.2021.12.019
基于改进PSO-LSTM模型的城市轨道交通站点客流预测
城市轨道交通站点的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测随时间的变动而变动,长短时记忆网络能对其进行深度的训练和特点提取.为提升预测性能,以成都轨道交通火车北站为例,设计一种基于改进PSO-LSTM模型的城市轨道交通站点短时客流预测办法.通过实例研究分析,验证了改进后的PSO-LSTM模型在城市轨道交通站点短时客流预测中具有更好的预测性能.
城市轨道交通;站点短时客流预测;长短时记忆网络;粒子群算法
38
TP3U121(计算技术、计算机技术)
2021-12-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
110-114,134