排序方式： 共有2条查询结果，搜索用时 49 毫秒
1
1.
城市轨道交通的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测的客流量数据规律性较弱、随机误差干扰较强,ARIMA(Autoregressive Integrated Moving Average)模型能对因变量产生的推迟量、产生随机误差的滞后值及当前值进行预测.为验... 相似文献
2.
城市轨道交通站点的精准短时客流预测可以很好地缓解城市交通拥堵,给城市居民带来更快速、更优质的出行服务.通常短时客流预测随时间的变动而变动,长短时记忆网络能对其进行深度的训练和特点提取.为提升预测性能,以成都轨道交通火车北站为例,设计一种基于改进PSO-LSTM模型的城市轨道交通站点短时客流预测办法.通过实例研究分析,验证了改进后的PSO-LSTM模型在城市轨道交通站点短时客流预测中具有更好的预测性能. 相似文献
1
