TY -的A2 Monteriu安德里亚盟——陈、魏盟- Li Zongping盟——刘盟——Ai,彝族PY - 2021 DA - 2021/05/17 TI -深与Conv-LSTM网络学习模式为地铁乘客拥堵延迟预测SP - 6645214六世- 2021 AB -当城市轨道交通正面临着大量的通勤乘客在高峰时期,乘客经常在等待下一列火车，因为地铁是满负荷运行的，这导致乘客的整体旅行时间延误。地铁车站拥堵延误的计算和预测可以指导运营部门和乘客更好的规划和选择。本文采用一种基于深度学习技术的新方法对地铁车站的拥塞延迟进行评估。首先，我们利用自动收费站(AFC)系统的数据来评估车站的拥堵延误。然后，利用卷积长短时记忆(convon - lstm)网络提取时空特征，解决网络结构中地铁拥塞延迟的短期预测问题。时空变量包括入境客流、出境客流、滞留旅客数和平均滞留时间。作为一个时空序列，在端到端训练模型中，输入目标和预测目标都是时空三维张量。以重庆轨道交通为例，验证了该方法的有效性。实验结果表明，convv - lstm模型在获取时空相关性方面优于基准模型。 SN - 0197-6729 UR - https://doi.org/10.1155/2021/6645214 DO - 10.1155/2021/6645214 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -