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 Chen Jing;Zhang Zhaochong;Wang Linkai;An Mai;Wang Wei

作者机构：天津职业技术师范大学信息技术工程学院天津300222 中新天津生态城管委会智慧城市发展局天津300467 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年第36卷第2期

页      面：476-486页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：天津市教委科研计划(2021KJ008) 

主　　题：卷积神经网络 长短时记忆网络 时空数据预测 k-means聚类 客流量预测 

摘      要：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问题,提出一种改进k-means聚类算法与卷积神经网络和长短时记忆网络相结合的短时客流量预测模型k-CNN-LSTM。通过k-means算法对跨时段时序数据进行聚类,使用间隔统计确定k值,构建交通流矩阵模型,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。