基于栈式自编码的上海地铁短时流量预测

被引：15

作者：

徐逸之 ^{[1
,2
]}

彭玲 ^{[1
]}

林晖 ^{[1
,2
]}

李祥 ^{[1
,2
]}

机构：

[1] 中国科学院遥感与数字地球研究所

[2] 中国科学院大学

来源：

计算机工程与科学 | 2018年 / 40卷 / 07期

关键词：

深度学习; 栈式自编码; 地铁客流量; 短时预测;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; U293.13 [];

学科分类号：

140502 [人工智能];

摘要：

城市公共交通网每时每刻都承载巨大的客流量,客流量的增多为公共交通网和交通智能调度带来了巨大的压力。地铁站点短时的客流预测是智能地铁调度系统中重要的决策基础与技术支持。利用历史刷卡数据,提出了一种基于深度学习的地铁短时客流量预测方法,基于栈式自编码器构建深度神经网络模型,采用自下而上逐层非监督预训练,在预训练结束之后,采用反向传播BP算法自上而下来微调整个网络的参数。利用上海一个月范围内的地铁刷卡记录数据进行实验测试,实验结果优于小波神经网络Wavelet-NN与自回归移动平均模型ARIMA。

引用

页码：1275 / 1280

页数：6

共 10 条

[1]

面向自然语言处理的深度学习研究.[J].奚雪峰;周国栋;.自动化学报.2016, 10

[2]

基于SARIMA模型的北京地铁进站客流量预测 [J].

王莹 ;

韩宝明 ;

张琦 ;

李得伟 .

交通运输系统工程与信息, 2015, 15 (06) :205-211

[3]

基于遗传算法与小波神经网络的客流预测研究 [J].

邹巍 ;

陆百川 ;

邓捷 ;

马庆禄 ;

邱世崇 ;

张勤 .

武汉理工大学学报(交通科学与工程版), 2014, (05) :1148-1151+1157

[4]

GCPSO优化混合核SVM的地铁车站客流预测 [J].

米根锁 ;

赵丽琴 ;

罗淼 .

计算机工程与应用 , 2015, (14) :231-235+270

[5]

基于卡尔曼滤波的公交站点短时客流预测 [J].

张春辉 ;

宋瑞 ;

孙杨 .

交通运输系统工程与信息, 2011, 11 (04) :154-159

[6]

基于遗传算法的小波神经网络交通流预测 [J].

李婧瑜 ;

李歧强 ;

侯海燕 ;

杨立才 .

山东大学学报(工学版), 2007, (02) :109-112+120

[7]

Forecasting the short-term metro passenger flow with empirical mode decomposition and neural networks.[J].Yu Wei;Mu-Chen Chen.Transportation Research Part C.2011, 1

[8]

A fast learning algorithm for deep belief nets [J].