期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
采用多任务学习预测短时公交客流
1
作者 张鹏祯 左兴权 黄海 《计算机工程与应用》 CSCD 北大核心 2023年第24期360-366,共7页
现有公交线路短时客流预测方法主要依赖于单条线路的信息,忽略了多条线路之间的相关关系对客流预测的提升效果。针对这一问题,提出一种基于相关度分析和多任务学习的公交客流预测方法。利用灰色关联分析和皮尔逊相关系数获取公交线路之... 现有公交线路短时客流预测方法主要依赖于单条线路的信息,忽略了多条线路之间的相关关系对客流预测的提升效果。针对这一问题,提出一种基于相关度分析和多任务学习的公交客流预测方法。利用灰色关联分析和皮尔逊相关系数获取公交线路之间的关联度系数,计算当前线路的相关线路集合;将相关线路的客流预测作为当前线路客流预测的辅助任务,建立基于门控循环单元(GRU)神经网络的多任务深度学习模型来预测客流。实验结果表明,该多任务学习模型在预测精度方面优于传统的时间序列预测模型以及仅考虑单条线路信息的神经网络预测模型。 展开更多
关键词 公交短时客流预测 门控循环单元(GRU)神经网络 多任务学习 灰色关联分析
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部