基于Spark的改进Elman神经网络的城市轨道交通短时客流预测分析

发布时间：2020-12-26 04:24

　　由于轨道交通具备客运量大、污染少、准点率高以及绿色低碳等特点,其已成为人们日常出行方式的首选,也是解决交通拥塞问题的主要途径之一。轨道交通线路的不断延伸以及线网的日益完善使得客流变化趋势愈发扑朔迷离,而线路之间的交叉耦合导致客流的时变性、非线性以及随机性更加明显。轨道交通客流预测是运营部门制定列车运行时刻表以及列车开行方案的重要依据,其可以为运营部门在优化列车发车间隔、实现列车动态调度、改善乘客出行体验以及提高乘客服务水平等方面带来极大的帮助。不同于长期预测,轨道交通短时客流预测的主要目的是在指定时间粒度范围内对客流实现快速准确预测。由于一天内不同时段的客运量差异较大,因此相对于长期客流预测而言,短时客流预测的难度更高,非线性及随机性的影响更大。基于上述情况,本文主要做了以下几个工作:（1）在大数据时代背景下,为了实现短时客流的准确预测,本文分析对比了多种客流预测方法,最终选择具有自学习与自适应能力的神经网络作为客流预测主体模型,并在普通网络结构的基础上,结合前人提出的OIF-Elman（Output Input Feedback-Elman）和OHF-Elman（Output Hid... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

广州城市轨道交通规划图


本文编号：2939030