基于OD吸引度的城市轨道交通OD客流预测方法

摘要

本发明提供一种基于OD吸引度的城市轨道交通OD客流预测方法。该方法包括:根据历史数据统计轨道交通网中不同时段OD对间的吸引度值和对应的OD对间的客流,分别表示为OD吸引度矩阵和第一OD矩阵,其中吸引度值反映OD对间吸引客流的程度;基于所述OD对间的吸引度值划分为多个吸引度等级并选取参考等级;根据所述OD吸引度矩阵,从所述第一OD矩阵中提取吸引度值超过所述参考等级的OD对,构成第二OD矩阵;将所述第二OD矩阵输入至深度学习模型,经训练获得OD对间的预测客流。本发明的方法能够提高客流预测的准确性、有效性和实时性。

主权项

一种基于OD吸引度的城市轨道交通OD客流预测方法,包括以下步骤:步骤S1:根据历史数据统计轨道交通网中不同时段OD对间的吸引度值和对应的OD对间的客流,分别表示为OD吸引度矩阵和第一OD矩阵,其中吸引度值反映OD对间吸引客流的程度;步骤S2:基于所述OD对间的吸引度值划分为多个吸引度等级并选取参考等级;步骤S3:根据所述OD吸引度矩阵,从所述第一OD矩阵中提取吸引度值超过所述参考等级的OD对,构成第二OD矩阵;步骤S4:将所述第二OD矩阵输入至深度学习模型,经训练获得OD对间的预测客流。

详细信息点击阅读原文。

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
地铁OD客流预测模型是一种基于历史数据的预测模型,通过对历史客流数据进行分析和建模,来预测未来的客流量。客流空间分布特征是指客流在空间上的分布规律和特点,可以通过客流客流热力图等指标来描述。基于混合神经网络的地铁OD客流预测模型设计中,客流空间分布特征的分析和建模是非常重要的一环。 具体来说,可以从以下几个方面来分析和建模客流空间分布特征: 1. 空间分布规律:通过对历史客流数据进行空间分布分析,可以了解客流的分布规律,例如客流高峰时段和地点等。可以采用热力图、等值线图等方法来展示客流在不同时间段和地点的分布情况。 2. 空间相似性:通过计算不同地点之间的客流相似性,可以刻画客流在空间上的相关性。可以采用相关系数、聚类分析方法来计算和分析客流之间的空间相似性。 3. 空间预测模型:通过建立空间预测模型,可以预测未来客流在空间上的分布情况。可以使用基于混合神经网络的时间序列模型来进行客流预测,同时考虑客流在空间上的相关性。 4. 空间优化策略:通过对客流空间分布特征的分析和建模,可以制定合理的客流优化策略,例如增加车站出入口、改善地铁换乘等,以提高地铁系统的运行效率和乘客满意。 综上所述,客流空间分布特征的分析和建模是基于混合神经网络的地铁OD客流预测模型设计中的重要环节之一,可以帮助地铁系统更好地理解客流在空间上的分布规律和特点,并制定相应的优化策略。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

当交通遇上机器学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值