Hindawi的博客分享 http://blog.sciencenet.cn/u/Hindawi

博文

论文精选丨Conv-LSTM模型能够更好地预测地铁站的乘客拥堵情况

已有 1895 次阅读 2022-5-13 10:29 |系统分类:论文交流

21.png


案例研究表明,相对于传统的长短时记忆神经网络(LSTM)模型,卷积长短时记忆神经网络(Conv-LSTM)模型能够更准确地预测地铁站的乘客拥堵延误情况。


乘客拥堵而导致的出行延误是城市轨道交通普遍存在的一种现象。在高峰时段,乘客可能需要等待多列班车,导致站内乘客总出行时间延长。因此,准确计算并预测地铁站的拥堵延误情况,对优化交通流量至关重要。


Journal of Advanced Transportation发表的一篇论文中,西南交通大学Wei Chen团队利用卷积长短时记忆神经(Conv-LSTM)网络,解析了能够预测潜在延误的地铁站乘客拥堵的时空特征。


研究团队回顾了与铁路延误有关的现有文献后发现,地铁站内的乘客拥堵情况不仅受特定站点进出站客流的影响,还与相邻车站的拥堵情况相关。然而,传统的长短时记忆神经网络(LSTM)交通延误预测方法并未将后者考虑在内。因此,需要采用更加先进的方法,对其进行更可靠的预测。


根据传统的全连接长短时记忆神经(FC-LSTM)网络,研究团队优化了Conv-LSTM网络。FC-LSTM网络往往限于地铁站或路线层面的预测。与之不同的是,Conv-LSTM网络在输入到状态(input-to-state)和状态到状态(state-to-state)的转换中都具有卷积结构,并且可以有效捕获拥堵延误的时空关联。


为了验证这个新的模型,研究团队开展了一项针对重庆地铁的案例研究。他们选取了重庆地铁2018年9月至10月40个工作日的运营数据,计算了地铁乘客延误率和拥挤延误指数,以及预测结果的均方根差(RMSE)、平均绝对误差(MAE)和决定系数(R2)值,从而对Conv-LSTM模型的能力和有效性进行了评估。


结果显示,相比于基准模型,Conv-LSTM模型实现了最佳的预测性能(按RMSE衡量)。


Conv-LSTM模型的卷积层还意味着,其在编码网络中的时空相关性捕捉能力要优于基准模型。


该研究的结论是,Conv-LSTM模型能够有效地解决地铁站乘客拥堵延误预测问题。运营管理部门可根据该模型开发更好的管理和规划方案。然而,作者指出,该模型并未考虑换乘乘客,因此未来必须开展更多研究来计算换乘乘客的拥堵延误情况,并将其纳入预测模型中。



完整论文


链接:

https://www.hindawi.com/journals/jat/2021/6645214/?utm_source=ScienceNet&utm_medium=owned%20referral&utm_campaign=HDW_MRKT_CNA_USG_SCIN_OWN_OSOC_ARTIC_1409_10815 


关于本刊


22.jpg


Journal of Advanced Transportation发表理论和创新论文,涵盖多式联运网络、运输和交通系统的分析、设计、运行、优化和规划,以及交通技术和交通安全


期刊指标

CiteScore: 3.400

JIF:2.419

JCI:0.520

中科院期刊分区表:工程技术4区

录用率:36%

投稿至最终编辑决定时间:106 天

论文录用至发表时间:75天


*我们意识到期刊层面指标的重要性,它们可以帮助作者选择研究发表平台。然而,作为旧金山科研评估宣言(DORA)的签署方,我们认为,不得将期刊层面的指标作为一种替代手段,来衡量研究论文的质量,或者评估研究人员的贡献度,也不得将其用作招聘、晋升或者研究资助决策的参考指标。我们坚信,不应该单纯地仅用一种指标来评价期刊。我们鼓励在评价期刊时,对期刊的范围、内容、编辑流程以及许多期刊和论文层面的指标(如使用量和引用量)进行全面评估。



点击文末原文链接访问该刊主页,阅读Journal of Advanced Transportation发表的更多论文。

原文链接:https://www.hindawi.com/journals/jat/contents/year/2022/?utm_source=ScienceNet&utm_medium=owned%20referral&utm_campaign=HDW_MRKT_CNA_USG_SCIN_OWN_OSOC_JOUR_1409_10815 




https://wap.sciencenet.cn/blog-3411312-1338337.html

上一篇:深入了解Laser and Particle Beams——剑桥大学出版社与Hindawi的合作期刊
下一篇:2分钟快速了解Wireless Power Transfer期刊(内附近期热文)!
收藏 IP: 39.158.164.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-10-2 05:36

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部