Abstract：
为更好地预测城市轨道交通的短时客流情况，提出了基于循环神经网络模型的预测方法。首先，针对轨道交通进出站客流数据，利用Pearson相关系数确定短时客流影响因素；然后，改进K-means聚类算法划分高、中、低客流量三类轨道站点，分析客流时空分布规律及高峰时间段；最后，采用分别基于长短时记忆神经网络（LSTM）与门控循环单元（GRU）的短时客流预测方法，预测不同类型站点在不同时段的客流。实验结果表明：5 min为预测的最佳时间粒度，在此时间粒度下GRU模型整体性能优于LSTM模型。
Keyword：
Reprint Author's Address：
Email：
Source ：
吉林大学学报(工学版)
Year： 2023
Issue： 02
Volume： 53
Page： 430-438
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 11
Affiliated Colleges：
