基于改進時空LSTM模型的城市軌道交通系統(tǒng)OD客流短時預測
發(fā)布時間：2021-06-27 18:10
近年來,大城市的交通問題日益嚴重,為了緩解地面交通的巨大壓力,城市軌道交通憑借其正點率高、安全性好、高效便捷等優(yōu)點飛速發(fā)展。短時OD客流預測結果是城市軌道交通實現(xiàn)動態(tài)運營管理的重要基礎輸入,準確地預測短時OD客流對我國城市軌道交通實際運營管理水平的提高有著重要意義。本文針對城市軌道交通系統(tǒng)短時OD客流預測問題進行了研究。研究內(nèi)容包括:（1）對城市軌道交通系統(tǒng)短時OD客流預測問題進行了描述,并確定了本文的研究思路;（2）定性分析了可能影響OD客流的因素,并通過對多源數(shù)據(jù)的采集和處理來提取到分析這些因素的相關數(shù)據(jù),進一步定量分析了這些影響因素與OD客流分布的具體關系,從而選出合適的預測變量;（3）在輸入僅為OD客流數(shù)據(jù)的情況下,構建了單因素條件下基于標準LSTM網(wǎng)絡的短時OD預測模型,然后利用研究得到的多種影響因素改進模型的輸入層,構建了多因素條件下基于標準LSTM模型的短時OD預測模型;（4）為了可以充分捕獲OD客流分布時間序列中各OD自身的特征及各時段總體的特征,通過改進標準LSTM網(wǎng)絡的隱藏層結構以及神經(jīng)元結構,得到了改進時空LSTM模型,再結合前文通過多種影響因素改進的模型輸入層，...
【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：114 頁
【學位級別】：碩士
【部分圖文】：
中國內(nèi)地城市軌道交通系統(tǒng)運營里程(2018年12月31日)111Fig盯el一l吻.lationmil.昭esof切由an拍習七.”妞inC扯四n.詞叨dcities[1]
ｒ?＝?｛ｌ，２，…，Ａ：，…，ｔ■表示預測時間粒度，第Ａ：個時間區(qū)間包含的時間范圍為??表示第／ｔ個時間區(qū)間內(nèi)從起點ｚ’出發(fā)前往目的站點＿／的０Ｄ量，??表示第Ａ：個時間區(qū)間內(nèi)的所有０Ｄ對的客流量。在實際應用中，ＡＦＣ系統(tǒng)??采集的進站時間與出站時間之間會存在滯后問題，姚向明［２１］對０Ｄ估計與預測進??行了說明，它們之間的差異體現(xiàn)在不同的分析時段，二者基本關系如圖２－１所示。??
目標是解決０Ｄ預測問題，也即在已知０Ｄ客流分布時間序，…，Ｍ的條件下，預測／個時間間隔后（即第，＋?／個時間區(qū)間發(fā)前往目的站點的０Ｄ量。針對城市軌道交通系統(tǒng)短時０，本文整體的預測思路如下圖２－２所示。??
【參考文獻】：
期刊論文
[1]2018年世界城市軌道交通運營統(tǒng)計與分析[J]. 韓寶明,代位,張紅健. 都市快軌交通. 2019(01)
[2]手機信令數(shù)據(jù)在城市道路交通量預測中的應用[J]. 周南,齊遠,龍科軍. 公路工程. 2018(05)
[3]基于多時間尺度的城市軌道交通短時OD估計[J]. 陳志杰,毛保華,柏赟,許奇,張桐. 交通運輸系統(tǒng)工程與信息. 2017(05)
[4]自適應權重粒子群優(yōu)化LS-SVM的交通流預測[J]. 楊剛,王樂,戴麗珍,徐芳萍. 控制工程. 2017(09)
[5]基于模糊神經(jīng)網(wǎng)絡的短時交通流預測方法研究[J]. 程山英. 計算機測量與控制. 2017(08)
[6]基于K近鄰算法和支持向量回歸組合的短時交通流預測[J]. 劉釗,杜威,閆冬梅,柴干,郭建華. 公路交通科技. 2017(05)
[7]城市軌道交通進站客流量短時組合預測模型[J]. 李得偉,顏藝星,曾險峰. 都市快軌交通. 2017(01)
[8]基于多元時間序列的交通流預測模型[J]. 丁永兵,胡堯,沈齊,王亞運. 貴州大學學報(自然科學版). 2017(01)
[9]基于ARIMA和小波神經(jīng)網(wǎng)絡組合模型的交通流預測[J]. 成云,成孝剛,談苗苗,周凱,李海波. 計算機技術與發(fā)展. 2017(01)
[10]基于改進遺傳算法的交通流量小波網(wǎng)絡預測[J]. 柴良勇,殷禮勝,甘敏,魯照權,談堃,張艷. 合肥工業(yè)大學學報(自然科學版). 2016(07)
博士論文
[1]基于智能理論的交通流量組合預測模型研究[D]. 于志恒.東北師范大學 2016
[2]城市軌道交通網(wǎng)絡動態(tài)客流分布及協(xié)同流入控制理論與方法[D]. 姚向明.北京交通大學 2015
碩士論文
[1]城市軌道交通短時客流預測時間粒度選擇[D]. 王挺.北京交通大學 2018
[2]城市動態(tài)交通流分配模型與算法[D]. 孫瑜.湖南大學 2016
[3]基于混沌理論和數(shù)據(jù)融合的短時交通流預測[D]. 蔣肖.重慶郵電大學 2016
[4]基于城市軌道交通網(wǎng)絡運營的客流分布預測研究[D]. 鄭麗娟.同濟大學 2008
本文編號：3253347
【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：114 頁
【學位級別】：碩士
【部分圖文】：
中國內(nèi)地城市軌道交通系統(tǒng)運營里程(2018年12月31日)111Fig盯el一l吻.lationmil.昭esof切由an拍習七.”妞inC扯四n.詞叨dcities[1]
ｒ?＝?｛ｌ，２，…，Ａ：，…，ｔ■表示預測時間粒度，第Ａ：個時間區(qū)間包含的時間范圍為??表示第／ｔ個時間區(qū)間內(nèi)從起點ｚ’出發(fā)前往目的站點＿／的０Ｄ量，??表示第Ａ：個時間區(qū)間內(nèi)的所有０Ｄ對的客流量。在實際應用中，ＡＦＣ系統(tǒng)??采集的進站時間與出站時間之間會存在滯后問題，姚向明［２１］對０Ｄ估計與預測進??行了說明，它們之間的差異體現(xiàn)在不同的分析時段，二者基本關系如圖２－１所示。??
目標是解決０Ｄ預測問題，也即在已知０Ｄ客流分布時間序，…，Ｍ的條件下，預測／個時間間隔后（即第，＋?／個時間區(qū)間發(fā)前往目的站點的０Ｄ量。針對城市軌道交通系統(tǒng)短時０，本文整體的預測思路如下圖２－２所示。??
【參考文獻】：
期刊論文
[1]2018年世界城市軌道交通運營統(tǒng)計與分析[J]. 韓寶明,代位,張紅健. 都市快軌交通. 2019(01)
[2]手機信令數(shù)據(jù)在城市道路交通量預測中的應用[J]. 周南,齊遠,龍科軍. 公路工程. 2018(05)
[3]基于多時間尺度的城市軌道交通短時OD估計[J]. 陳志杰,毛保華,柏赟,許奇,張桐. 交通運輸系統(tǒng)工程與信息. 2017(05)
[4]自適應權重粒子群優(yōu)化LS-SVM的交通流預測[J]. 楊剛,王樂,戴麗珍,徐芳萍. 控制工程. 2017(09)
[5]基于模糊神經(jīng)網(wǎng)絡的短時交通流預測方法研究[J]. 程山英. 計算機測量與控制. 2017(08)
[6]基于K近鄰算法和支持向量回歸組合的短時交通流預測[J]. 劉釗,杜威,閆冬梅,柴干,郭建華. 公路交通科技. 2017(05)
[7]城市軌道交通進站客流量短時組合預測模型[J]. 李得偉,顏藝星,曾險峰. 都市快軌交通. 2017(01)
[8]基于多元時間序列的交通流預測模型[J]. 丁永兵,胡堯,沈齊,王亞運. 貴州大學學報(自然科學版). 2017(01)
[9]基于ARIMA和小波神經(jīng)網(wǎng)絡組合模型的交通流預測[J]. 成云,成孝剛,談苗苗,周凱,李海波. 計算機技術與發(fā)展. 2017(01)
[10]基于改進遺傳算法的交通流量小波網(wǎng)絡預測[J]. 柴良勇,殷禮勝,甘敏,魯照權,談堃,張艷. 合肥工業(yè)大學學報(自然科學版). 2016(07)
博士論文
[1]基于智能理論的交通流量組合預測模型研究[D]. 于志恒.東北師范大學 2016
[2]城市軌道交通網(wǎng)絡動態(tài)客流分布及協(xié)同流入控制理論與方法[D]. 姚向明.北京交通大學 2015
碩士論文
[1]城市軌道交通短時客流預測時間粒度選擇[D]. 王挺.北京交通大學 2018
[2]城市動態(tài)交通流分配模型與算法[D]. 孫瑜.湖南大學 2016
[3]基于混沌理論和數(shù)據(jù)融合的短時交通流預測[D]. 蔣肖.重慶郵電大學 2016
[4]基于城市軌道交通網(wǎng)絡運營的客流分布預測研究[D]. 鄭麗娟.同濟大學 2008
本文編號：3253347
本文鏈接：http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3253347.html
