基于SSA-LSTM的城市轨道交通短时客流预测

作     者：任鹏达 左忠义 陈洪涛 REN Peng-da;ZUO Zhong-yi;CHEN Hong-tao

作者机构：大连交通大学交通运输工程学院大连116021 深圳市城市交通规划设计研究中心交通信息与模型院深圳518057 

基　　金：2021辽宁省科学事业公益研究基金(软科学研究)项目 

出 版 物：《武汉理工大学学报》 (Journal of Wuhan University of Technology)

年 卷 期：2022年第44卷第2期

页      码：44-52页

摘      要：为了减小噪声在城市轨道交通短时客流预测中的干扰,提出了一种基于奇异谱分析(SSA)和长短时记忆网络(LSTM)模型的短时客流预测方法。该模型利用SSA对原始客流数据进行嵌入、分解、分组、重组,重新划分为趋势、周期、残差三部分,其中残差部分即视为噪声,将去噪后的两个部分作为LSTM模型的输入。并利用上海地铁1号线进出站客流数据对模型的有效性进行验证。结果表明,SSA-LSTM混合模型的预测精度更高。

主 题 词：短时客流预测 奇异谱分析 长短时记忆神经网络 地铁客流 

学科分类：08[工学] 082303[082303] 0823[工学-农业工程类] 

D　O　I：10.3963/j.issn.1671-4431.2022.02.007

馆 藏 号：203109424...