基于栈式自编码的上海地铁短时流量预测

摘要

城市公共交通网每时每刻都承载巨大的客流量,客流量的增多为公共交通网和交通智能调度带来了巨大的压力.地铁站点短时的客流预测是智能地铁调度系统中重要的决策基础与技术支持.利用历史刷卡数据,提出了一种基于深度学习的地铁短时客流量预测方法,基于栈式自编码器构建深度神经网络模型,采用自下而上逐层非监督预训练,在预训练结束之后,采用反向传播BP算法自上而下来微调整个网络的参数.利用上海一个月范围内的地铁刷卡记录数据进行实验测试,实验结果优于小波神经网络Wavelet-NN与自回归移动平均模型ARIMA.