基于图卷积循环神经网络的城市轨道客流预测

摘要：

客流预测对于城市轨道交通运行组织和管理具有重要的意义.本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征.利用上海市1年的全网地铁断面客流量展开研究,并应用随机森林的平均不纯度减少方法进行特征选择,实验结果表明:在大规模城市轨道交通客流预测中,GCGRU能够很好的捕捉城市轨道客流的时空相关性,具有良好的预测效果,预测精度达89％.模型预测结果可为管理者进行轨道交通客流管理与运行组织提供依据,为出行者提供乘车拥挤预警信息,保证城市轨道交通网络的安全高效运营.

关键词：客流预测、图卷积网络、门控循环单元、时间特征、空间特征

所属期刊栏目：50

分类号：U491(交通工程与公路运输技术管理)

资助基金：上海市科学技术委员会科技计划项目20dz1202903

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：21-27