TY -的A2 Cantarella朱利奥e . AU -张郝盟——他,杰盟——宝杰盟——香港,琼AU -史,Xiaomeng PY - 2020 DA - 2020/05/30 TI -混合时空的深度学习地铁客流短期预测模型SP - 4656435六世- 2020 AB -本研究的主要目的是预测短期使用提出了地铁客流混合时空的深度学习神经网络(HSTDL-net)。地铁客流从南京地铁2号线系统收集数据来说明研究过程。混合时空的深度学习模型预测入站和出站乘客流每10分钟。结果表明该HSTDL-net达到更好的预测性能比城市郊区的车站电台,以及产生最好的预测精度转运站的日军值最低。此外,比较分析进行比较的性能提出HSTDL-net与其他典型的方法,如ARIMA、延时,CNN, LSTM, GBRT。结果表明,对入站和出站客流预测,相比HSTDL-net优于所有的模型在三种类型的电台。结果表明,该混合动力时空的深度学习神经网络可以更有效和充分发现两个时空隐藏站地铁客流短期预测之间的相关性。这项研究的结果可以为地铁系统提供有见地的建议部门调整行动计划,提高整个地铁系统的服务质量。SN - 0197 - 6729你2020/4656435 / 10.1155——https://doi.org/10.1155/2020/4656435——摩根富林明-杂志的先进运输PB - Hindawi KW - ER