基于ASTLSTM的地铁乘客流量短时预测

打开文本图片集

摘要： 地铁乘客流量预测是智能交通系统的重要环节，当前大多数预测模型较少对地铁乘客流量进行时空相关性建模，且未考虑空气质量等天气因素带来的影响，存在地铁乘客流量预测准确度不高的问题。针对以上问题，提出基于注意力机制的时空长短期记忆（ASTLSTM）网络的地铁乘客流量短时预测模型。首先，对数据进行预处理；然后，利用注意力机制与图卷积网络（GCN）、卷积神经网络（CNN）相融合，挖掘地铁数据中的时空相关性，并通过长短期记忆网络（LSTM）来提取空气质量数据中的外部特征；最后，通过特征融合得到地铁乘客流量预测结果。（剩余11223字）