论文部分内容阅读
城市轨道交通客流预测是一个时空相关的复杂问题，仅根据车站的历史数据很难得出更有参考价值的预测结果。提出基于Elman神经网络算法的时空相关性客流预测方式。其模型输入包括车站的历史数据和线网中其它车站及交叉线路车站的时空相关性数据。前者从车站前3周数据中提取纵向强时间相关性数据；后者从相关车站的前3周数据中提取横向强时间相关性数据。提取过程均采用Spearman算法。在两条交叉线路共33个车站3周时间范围的客流数据上，利用Elman神经网络算法比较分析时空预测方式和时间预测方式的预测性能。试验结果表明，时空