文献类型：期刊文章

作　　者：赵建立[1] 石敬诗[1] 孙秋霞[2] 任玲[3] 刘彩红[3]

ZHAO Jian-li;SHI Jing-shi;SUN Qiu-xia;REN Ling;LIU Cai-hong(College of Computer Science and Engineering,Shandong University of Science and Technology,Qingdao 266590,Shandong,China;College of Mathematics and Systems Science,Shandong University of Science and Technology,Qingdao 266590,Shandong,China;Qingdao Metro Group Co.,Ltd,Qingdao 266000,Shandong,China)

机构地区：[1]山东科技大学计算机科学与工程学院,山东青岛266590 [2]山东科技大学数学与系统科学学院,山东青岛266590 [3]青岛地铁集团有限公司,山东青岛266000

出　　处：《交通运输系统工程与信息》

基　　金：2019年度青岛市社会科学规划研究项目(QDSKL1901121)。

年　　份：2020

卷　　号：20

期　　号：5

起止页码：128-134

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络(CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维CNN与ResNet组成深层神经网络,捕捉站点间的空间特征,同时利用一维CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证.结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文ResNet-CNN1D模型具有更好的预测精度.

关 键 词：城市交通 短时客流量预测  深度学习  地铁刷卡数据  CNN ResNet  

分 类 号：U231.4]