文献类型：期刊文章

作　　者：吴娟[1] 何跃齐[2] 张宁[3] 吴海峰[4]

WU Juan;HE Yueqi;ZHANG Ning;WU Haifeng(Nanjing Metro Construction Co.,Ltd.,Nanjing 210017;Beijing Urban Construction Design Development Group Co.,Ltd.,Beijing 100037;Institute of Rail Transit Research Center,Southeast University,Naning 210018;Zhejiang Zheda Wangxin Zhonghe Rail Transit Engineering Co.,Ltd.,Hangzhou 310012)

机构地区：[1]南京地铁建设有限责任公司,南京210017 [2]北京城建设计发展集团股份有限公司,北京100037 [3]东南大学ITS研究中心轨道交通研究所,南京210018 [4]浙江浙大网新众合轨道交通工程有限公司,杭州310012

出　　处：《都市快轨交通》

基　　金：国家重点研发计划(2020YFB1600700)。

年　　份：2022

卷　　号：35

期　　号：1

起止页码：79-86

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：精准的客流预测是轨道交通运输计划编制的基础和依据,为提高城市轨道交通短时客流的预测精准度,基于城市轨道交通短时客流的动态性、非线性、不确定性、周期性、非平稳性及时序性等特点,提出一种组合模型预测方法,即VMD-GRU神经网络预测模型,由变分模态分解和门控循环单元组合而成。变分模态分解的作用是分解短时客流,降低数据中的噪声,减少数据波动;门控循环单元的作用是基于分解的短时客流,进行客流预测。经南京地铁的数据验证,该模型在地铁短时客流预测方面效果良好。与GRU相比,VMD-GRU在15、30和60min的时间粒度下,预测准确度分别提升7.57%,16.93%,18.47%。该模型可为地铁运营管理部门对车站客流管理、日常行车计划制定等提供有效的数据支撑,从而提升线网总体运营效率以及轨道交通系统的服务水平。

关 键 词：城市轨道交通 客流预测 变分模态分解  门控循环单元  

分 类 号：U231]