CNN+GRU公交短时客流预测研究

摘要：

公交站点客流预测是公交调度的主要依据.针对传统的公交短时客流预测只考虑时间特征这一弊端,提出基于卷积神经网络(CNN)和门控循环单元(GRU)的预测模型,分别利用CNN和GRU对公交客流的空间和时间特征进行提取,构建公交站点短时客流预测模型.利用苏州市公交IC卡刷卡数据和公交车GPS数据,构建站点客流时空矩阵,使用模型对公交站点的客流进行预测.实验结果表明,CNN+GRU预测模型能够有效地进行公交短时客流预测,并且比其他模型具有更好的准确性.

关键词：公交客流、公交调度、预测模型、时空特征提取、时空矩阵、智慧公交系统

所属期刊栏目：44

分类号：TN911.23-34;TP183

资助基金：国家自然科学基金;苏州市民生科技项目;江苏省高等教育教学改革研究项目

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：70-74