山东大学学报(工学版)

作者：徐金华,罗义凯,李昱燃,李岩

单位：长安大学运输工程学院, 陕西 西安 710064

关键词：客流预测,图卷积,门控循环单元,站点分类,经验模态分解,

基金：国家自然科学基金资助项目(51408049);陕西省自然科学基础研究计划项目(2020JM-237)

为提高城市轨道线网站点短时客流预测精度,在对轨道站点分类的基础上分别对各类型站点进行客流预测。以动态时间弯曲作为度量,采用K-means算法对站点进行分类,分析各类型站点客流时序特征;为弱化原始客流数据中噪声的影响,利用经验模态分解(empirical mode decomposition, EMD)方法对各类站点原始客流进行时频分解;提出一种融合图卷积网络(graph convolution network, GCN)和门控循环单元(gated recurrent unit, GRU)的深度学习模型,并以分解得到的分量作为模型输入。以西安地铁为例进行研究,结果表明,根据连续一周站点客流时序特征可将站点分为办公就业型、密集居住型、休闲娱乐型、偏远居住型和职住均衡型5类。采用平均绝对百分比误差及均方根误差作为评价指标,结果表明本研究所提方法对各类站点客流预测的精度优于基准模型。

来源：2024年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第2期