基于VMD-LSTM轨道交通客流预测模型
作者:
作者单位:

作者简介:

黄海超(1996—),男,硕士研究生,研究方向为神经网络在智能交通领域的应用。E-mail:hhc123@hhu.edu.cn。

通讯作者:

中图分类号:

U293.5

基金项目:

国家自然科学基金项目(52078190)


Rail Transit Passenger Flow Prediction Model Based on VMD-LSTM
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    客流量预测是城市智能交通系统的重要组成部分。为实现客流量的准确预测,首先采用变分模态分解(VMD)将时序客流数据分解成不同时间尺度下的本征模态函数(IMF),降低数据噪声对客流预测模型的影响,再结合长短时记忆神经网络 (LSTM)进行预测,提出 VMD-LSTM 预测模型。 采集明尼苏达州州际轨道交通客流数据对模型进行验证。 结果表明:相对传统 LSTM 预测模型,VMD 改进 LSTM 使平均绝对百分误差(MAPE)减少 8.38%,均方根误差(RMSE)减小 256.99,有效提高 LSTM 神经网络的预测精度与鲁棒性。

    Abstract:

    Passenger flow prediction is an important part of urban intelligent transportation system. In order to realize accurate prediction of passenger flow, variational mode decomposition was adopted to decompose the time series into intrinsic mode function in different time scales, the long short-term memory neural network of deep learning was used to predict, and the VMD-LSTM prediction model was proposed. Data of minnesota interstate subway passenger flow were collected to validate the model. The results show that compared with the traditional LSTM prediction model, the average absolute percentage error and the root mean square error decreases by 8.38% and 256.99% respectively after improved by VMD, the prediction accuracy and robustness of LSTM neural network are improved effectively.

    参考文献
    相似文献
    引证文献
引用本文

黄海超,陈景雅,孙睿.基于VMD-LSTM轨道交通客流预测模型[J].华东交通大学学报,2021,37(1):95-99.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-04-23
  • 出版日期: