基于图卷积循环神经网络的城市轨道客流预测

U491; 客流预测对于城市轨道交通运行组织和管理具有重要的意义.本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征.利用上海市1年的全网地铁断面客流量展开研究,并应用随机森林的平均不纯度减少方法进行特征选择,实验结果表明:在大规模城市轨道交通客流预测中,GCGRU能够很好的捕捉城市轨道客流的时空相关性,具有良好的预测效果,预测精度达89％.模型预测结果可为管理者进行轨道交通客流管理与运行组织提供依据,为出行者提供乘车拥挤预警信...

Full description

Saved in:
Bibliographic Details
Published in华南理工大学学报（自然科学版） Vol. 50; no. 3; pp. 21 - 27
Main Authors 刘晓磊, 段征宇, 余庆, 毛孝鑫, 马忠政
Format Journal Article
LanguageChinese
Published 同济大学道路与交通工程教育部重点实验室,上海201804%同济大学 CAD研究中心,上海201804%上海申通地铁集团有限公司,上海201102 01.03.2022
Subjects
门控循环单元
客流预测
图卷积网络
时间特征
空间特征
Online AccessGet full text
ISSN1000-565X
DOI10.12141/j.issn.1000-565X.210320

Cover

More Information
Summary:U491; 客流预测对于城市轨道交通运行组织和管理具有重要的意义.本文中组合图卷积网络和循环神经网络构建图卷积循环神经网络GCGRU模型,借助图卷积网络学习城市轨道网络的复杂拓扑结构,进而捕捉空间关联特征,通过循环神经网络变体门控循环单元学习多特征客流量的趋势变化规律从而捕捉时间特征.利用上海市1年的全网地铁断面客流量展开研究,并应用随机森林的平均不纯度减少方法进行特征选择,实验结果表明:在大规模城市轨道交通客流预测中,GCGRU能够很好的捕捉城市轨道客流的时空相关性,具有良好的预测效果,预测精度达89％.模型预测结果可为管理者进行轨道交通客流管理与运行组织提供依据,为出行者提供乘车拥挤预警信息,保证城市轨道交通网络的安全高效运营.
ISSN:1000-565X
DOI:10.12141/j.issn.1000-565X.210320