基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为准确预测多个站点城轨交通短时客流，提出卷积长短时记忆网络（ConvLSTM）与栈式自编码器（SAE）相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素，并通过SAE对其进行逐层提取，获得更具代表性的外部特征。通过ConvLSTM充分提取客流量的时间与空间特征，并融合所获得的外部特征对轨道交通网络中多个站点的短时客流量进行同步预测。（剩余19497字）

试读结束

目录
monitor
客服机器人