基于Attention?LSTM神经网络的公交行程时间预测

摘要：

传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想.针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化.首先,综合考虑多种影响因素,设计了多变量LSTM模块,将当前时刻的行程时间与历史时刻数据相关联,对其中的多维度特征进行信息提取;随后针对单一LSTM网络无法自动识别不同信息重要性的局限性,引入Attention机制,使模型聚焦重点信息、忽略冗杂信息;最后,采用实际公交GPS数据验证了该方法的有效性.实验结果表明,与五种常见方法相比,该模型具有更高的精度.

关键词：智能交通;公交行程时间预测;LSTM神经网络;Attention机制;公交GPS数据;深度学习;循环神经网络

所属期刊栏目：45

分类号：TN99⁃34

资助基金：国家自然科学基金71571076

在线出版日期：2022-02-22（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：83-87