基于改进时空LSTM模型的城市轨道交通系统OD客流短时预测

发布时间：2021-06-27 18:10

　　近年来,大城市的交通问题日益严重,为了缓解地面交通的巨大压力,城市轨道交通凭借其正点率高、安全性好、高效便捷等优点飞速发展。短时OD客流预测结果是城市轨道交通实现动态运营管理的重要基础输入,准确地预测短时OD客流对我国城市轨道交通实际运营管理水平的提高有着重要意义。本文针对城市轨道交通系统短时OD客流预测问题进行了研究。研究内容包括:（1）对城市轨道交通系统短时OD客流预测问题进行了描述,并确定了本文的研究思路;（2）定性分析了可能影响OD客流的因素,并通过对多源数据的采集和处理来提取到分析这些因素的相关数据,进一步定量分析了这些影响因素与OD客流分布的具体关系,从而选出合适的预测变量;（3）在输入仅为OD客流数据的情况下,构建了单因素条件下基于标准LSTM网络的短时OD预测模型,然后利用研究得到的多种影响因素改进模型的输入层,构建了多因素条件下基于标准LSTM模型的短时OD预测模型;（4）为了可以充分捕获OD客流分布时间序列中各OD自身的特征及各时段总体的特征,通过改进标准LSTM网络的隐藏层结构以及神经元结构,得到了改进时空LSTM模型,再结合前文通过多种影响因素改进的模型输入层，... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：114 页

【学位级别】：硕士

【部分图文】：

中国内地城市轨道交通系统运营里程(2018年12月31日)111Fig盯el一l吻.lationmil.昭esof切由an拍习七.”妞inC扯四n.词叨dcities[1]

ｒ?＝?｛ｌ，２，…，Ａ：，…，ｔ■表示预测时间粒度，第Ａ：个时间区间包含的时间范围为??表示第／ｔ个时间区间内从起点ｚ’出发前往目的站点＿／的０Ｄ量，??表示第Ａ：个时间区间内的所有０Ｄ对的客流量。在实际应用中，ＡＦＣ系统??采集的进站时间与出站时间之间会存在滞后问题，姚向明［２１］对０Ｄ估计与预测进??行了说明，它们之间的差异体现在不同的分析时段，二者基本关系如图２－１所示。??

目标是解决０Ｄ预测问题，也即在已知０Ｄ客流分布时间序，…，Ｍ的条件下，预测／个时间间隔后（即第，＋?／个时间区间发前往目的站点的０Ｄ量。针对城市轨道交通系统短时０，本文整体的预测思路如下图２－２所示。??

【参考文献】：
期刊论文
[1]2018年世界城市轨道交通运营统计与分析[J]. 韩宝明,代位,张红健.  都市快轨交通. 2019(01)
[2]手机信令数据在城市道路交通量预测中的应用[J]. 周南,齐远,龙科军.  公路工程. 2018(05)
[3]基于多时间尺度的城市轨道交通短时OD估计[J]. 陈志杰,毛保华,柏赟,许奇,张桐.  交通运输系统工程与信息. 2017(05)
[4]自适应权重粒子群优化LS-SVM的交通流预测[J]. 杨刚,王乐,戴丽珍,徐芳萍.  控制工程. 2017(09)
[5]基于模糊神经网络的短时交通流预测方法研究[J]. 程山英.  计算机测量与控制. 2017(08)
[6]基于K近邻算法和支持向量回归组合的短时交通流预测[J]. 刘钊,杜威,闫冬梅,柴干,郭建华.  公路交通科技. 2017(05)
[7]城市轨道交通进站客流量短时组合预测模型[J]. 李得伟,颜艺星,曾险峰.  都市快轨交通. 2017(01)
[8]基于多元时间序列的交通流预测模型[J]. 丁永兵,胡尧,沈齐,王亚运.  贵州大学学报(自然科学版). 2017(01)
[9]基于ARIMA和小波神经网络组合模型的交通流预测[J]. 成云,成孝刚,谈苗苗,周凯,李海波.  计算机技术与发展. 2017(01)
[10]基于改进遗传算法的交通流量小波网络预测[J]. 柴良勇,殷礼胜,甘敏,鲁照权,谈堃,张艳.  合肥工业大学学报(自然科学版). 2016(07)

博士论文
[1]基于智能理论的交通流量组合预测模型研究[D]. 于志恒.东北师范大学 2016
[2]城市轨道交通网络动态客流分布及协同流入控制理论与方法[D]. 姚向明.北京交通大学 2015

硕士论文
[1]城市轨道交通短时客流预测时间粒度选择[D]. 王挺.北京交通大学 2018
[2]城市动态交通流分配模型与算法[D]. 孙瑜.湖南大学 2016
[3]基于混沌理论和数据融合的短时交通流预测[D]. 蒋肖.重庆邮电大学 2016
[4]基于城市轨道交通网络运营的客流分布预测研究[D]. 郑丽娟.同济大学 2008



本文编号：3253347