基于Bi-LSTM-Attention的公交车头时距预测模型

公交车头时距预测作为公交车调度决策系统的重要依据，可以帮助公交公司及时发现交通拥堵，做出合理的调度决策.然而，现有的研究仅限于传统的预测方法，缺乏综合多种影响因素预测车头时距波动.为解决这个问题，本研究采用一种基于公交智能卡数据的双向长短时神经网络-注意力机制（Bi-LSTM-Attention）预测框架.该模型将注意力机制融入双向长短时记忆网络中，利用历史公交车头时距、公交运行时间、停靠时间预测每个站点的公交车头时距波动.通过某市两条公交线路实例对该模型进行验证.实验结果表明:与已有算法相比，Bi-LSTM-Attention在单步和多步预测中均表现出更高的准确度，可以为公交动态调度提供理论支持.