论文部分内容阅读
路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据，而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点，提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法；构建了基于LSTM的客流OD状态转移模型，以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型；针对客流OD状态变化的非线性、不确定性特点，提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程，对一般的粒子滤波算法进行高阶扩展