简介:提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.
简介:传统的交通选择模型采用基于期望效用理论的离散选择模型,但忽略了不确定性条件下人们决策的有限理性特征.本文提出一种基于前景理论的交通方式选择模型,以交通出行时间和出行费用为特性变量设置参考点,建立基于价值函数和决策函数的前景值,并通过Logit模型对交通出行方式进行预测.本文以清华大学学生出行为例,通过问卷调研获得出行时间和出行经济费用的参考点,利用该模型较为准确地预测了不同交通出行方式的分担率,验证了基于前景理论交通方式选择模型的有效性.此外调查研究了不同出行距离下清华大学学生出行交通方式的选择变化,并对北京轨道交通规划和绿色出行引导提出启示.