基于PCA-LSTM模型的城市轨道交通短时客流预测
Short-term passenger flow forecast of urban rail transit based on PCA-LSTM model作者机构:上海工程技术大学城市轨道交通学院上海201620 美国威斯康辛大学土木工程学院Wisconsin 53211
出 版 物:《智能计算机与应用》 (Intelligent Computer and Applications)
年 卷 期:2020年第10卷第3期
页 面:155-159页
学科分类:08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程]
基 金:十三五国家重点研发计划子课题(2017YFC0804900) 上海市科委地方院校能力建设项目(19030501400) 国家自然科学基金(71601110) 同济大学道路与交通工程教育部重点实验室开放基金(K201902)
摘 要:城市轨道交通的进出站客流量具有较大的不确定性和复杂性,尤其是短期客流预测,一直是地铁客流预测中的一个研究热点和难点。AFC设备能准确读取刷卡数据,实现历史和实时进出站客流量的有效统计。为提高进出站客流预测精度,本文以杭州地铁西兴站为例,利用主成分分析法(PCA)对通过AFC设备采集的历史进出站客流数据进行特征提取,然后通过处理后的数据建立长短期记忆网络(LSTM)短期客流预测模型。仿真结果表明该方法在城市轨道交通进出站客流预测中有较好的表现,满足短期客流预测的要求,能够为地铁的运营管理提供一定的指导作用。