基于GRU算法的轨道交通客流预测模型 |
| |
引用本文: | 钟杰宏,校景中,刘中毅.基于GRU算法的轨道交通客流预测模型[J].西南民族大学学报(自然科学版),2023(2):206-212. |
| |
作者姓名: | 钟杰宏 校景中 刘中毅 |
| |
作者单位: | 西南民族大学计算机科学与工程学院 |
| |
基金项目: | 西南民族大学中央高校基本科研业务费专项(2021NYYXS122); |
| |
摘 要: | 轨道交通的高速发展,使得站点的客流压力加剧,拥挤问题也带来了安全隐患.为简化客流预测模型训练时间,轻量化模型,采用K-means聚类,将客流数据进行分类,归一化数据,简化数据分布.在划分训练集和测试集后,分别利用长短时记忆网络(LSTM)模型和门控循环单元(GRU)模型对数据集进行训练.在不同时间粒度下分析了模型的可行性,对比两种算法的损失函数和运行时间.实验结果表明,在预测结果的准确性相近的情况下,GRU模型比LSTM模型有更短的拟合时间,同时模型本身更加简单,有着更好的适用性.
|
关 键 词: | 客流预测 轨道交通 门控循环单元 K-means聚类 |
|
| 点击此处可从《西南民族大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《西南民族大学学报(自然科学版)》下载免费的PDF全文 |