文献类型：期刊文章

作　　者：林友芳[1,2,3] 尹康[1,2,3] 党毅[4] 郭晟楠[1,2,3] 万怀宇[1,2,3]

LIN Youfang;YIN Kang;DANG Yi;GUO Shengnan;WAN Huaiyu(School of Computer and Information Technology,Beijing Jiaotong University,Beijing 100044,China;Beijing Key Lab of Traffic Data Analysis and Mining,Beijing Jiaotong University,Beijing 100044,China;CAAC Key Lab of Intelligent Passenger Service of Civil Aviation,Beijing 101318,China;Beijing Join-cheer Software Co.,Ltd.,Beijing 100082,China)

机构地区：[1]北京交通大学计算机与信息技术学院,北京100044 [2]北京交通大学交通数据分析与挖掘北京市重点实验室,北京100044 [3]民航旅客服务智能化应用技术重点实验室,北京101318 [4]北京久其软件股份有限公司,北京100082

出　　处：《北京交通大学学报》

基　　金：国家自然科学基金(61603028)~~

年　　份：2019

卷　　号：43

期　　号：1

起止页码：114-121

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：客运需求预测是打造智能交通系统中的重要一环,精准的预测模型有助于预分配交通资源,改善用户出行体验.然而客运需求的动态时空特性导致准确预测客运需求具有很大的挑战.本文提出了一种基于时空长短期记忆网络(LSTM)的出发地—目的地(OD)客运需求预测模型(STLSTM-PDP),显式地建模了客运需求时间序列内部的时间依赖关系和序列之间的空间依赖关系,预测未来一段时间所有OD的客运需求量.在全国民航重点航线客运需求量数据集及某城市区域间出租车客运量数据集上进行了实验,结果表明:STLSTM-PDP模型优于其他现有的预测方法,其MAE比其他方法降低了4.4%～41.4%,RMSE降低了4.3%～49.1%.

关 键 词：人工神经网络与计算  客运需求预测 时空数据 循环神经网络

分 类 号：TP183]