-
题名基于多粒度时间注意力RNN的航班客座率预测
被引量:8
- 1
-
-
作者
邓玉婧
武志昊
林友芳
-
机构
北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第1期294-301,共8页
-
基金
中央高校基本科研业务费专项资金(2017JBM027)
-
文摘
准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。
-
关键词
航班客座率预测
时间序列预测
循环神经网络
注意力机制
编解码器模型
-
Keywords
Flight Passenger Load Factors(FPLFs)prediction
time series prediction
Recurrent Neural Network(RNN)
attention mechanism
encoder-decoder model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名铁路旅客列车客座率分类及预测模型研究
被引量:3
- 2
-
-
作者
张永
朱建生
冯梅
吕晓艳
贾新茹
王炜炜
-
机构
中国铁道科学研究院研究生部
中国铁道科学研究院电子计算技术研究所
中国民用航空华北地区空中交通管理局通信网络中心
-
出处
《铁道运输与经济》
北大核心
2018年第3期39-45,共7页
-
基金
中国铁路总公司科技研究开发计划课题(2016X005-B)
-
文摘
铁路旅客列车分类,对于分配旅客运输能力、提高列车收益具有重要意义。建立以客座率最优为目标的列车分类和预测模型,通过数据预处理、分类结果中最优客座率选取和基于随机森林算法的分类预测3个模块展开分析,利用谱聚类-CACC模型和CACC算法对目标和因素变量进行离散化处理,设计基于误差区间交集和样本密度的最优客座率选取算法,并利用随机森林算法对客座率进行分类。最后,通过Kappa指数和百分误差对分类和预测精度进行验证,证明了模型的有效性和准确性。
-
关键词
铁路
客座率分类
客座率预测
随机森林
谱聚类-CACC
离散化
-
Keywords
Railway
Classifying Passenger Occupancy Rate
Predicting Passenger OccupancyRate
Random Forest
Spectral Clustering - CACC
Discretization
-
分类号
U293.13
[交通运输工程—交通运输规划与管理]
-