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:武汉市常规公交采用单一票制收费模式,刷卡字段中缺少下车的相关信息,无法直接得到公交乘客的出行路径.本文重点基于公交GPS数据和IC卡刷卡数据,建立公交刷卡乘客上、下车站点识别模型.其中上车站点识别包含基于GPS时间和IC卡刷卡时间识别2个模型,下车站点识别包含基于出行连续性和出行链识别2个模型.分别对比分析2个模型的优劣,并以实际数据试算得到的识别率为判别标准,选取较高者为最终识别模型.最终上车站点识别模型选取基于GPS时间识别,因为基于IC卡刷卡时间识别,站点序号基本对应不上,而基于GPS时间识别,站点识别率高达98.31%;下车站点识别模型选取基于出行链识别,因为基于出行链识别的识别率为70%左右,基于乘客出行连续性识别为50%左右.