UKF地铁短时客流预测研究

UKF地铁短时客流预测研究

论文摘要

为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。

论文目录

  • 1 基础交通信息融合模型的构建
  •   1.1 基础交通信息的时空特征
  •   1.2 预测因子数据结构组织
  •   1.3 基于BP神经网络的状态空间方程
  • 2 滤波模型的建立
  •   2.1 UT变换及滤波采样点生成
  •   2.2 卡尔曼滤波步骤
  • 3 实例分析
  •   3.1 具体步骤
  •   3.2 结果分析
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 范橙,徐宁,晏彬,晏秋,唐智慧

    关键词: 地铁,客流预测,神经网络,状态空间方程

    来源: 都市快轨交通 2019年03期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 铁路运输

    单位: 中设设计集团股份有限公司综合规划研究院,中国铁路济南局集团有限公司济西站,成都嘟嘟鸟网络科技有限公司,西南交通大学交通运输与物流学院

    基金: 国家重点研发计划基金(2016YFC0802209),国家自然科学基金(51605398)

    分类号: U293.13

    页码: 78-83

    总页数: 6

    文件大小: 1640K

    下载量: 214

    相关论文文献

    标签:;  ;  ;  ;  

    UKF地铁短时客流预测研究
    下载Doc文档

    猜你喜欢