基于深度学习的公交到站时间预测研究  

Research on Bus Arrival Time Prediction based on Deep Learning

作　　者：张军芳[1] 杜鹏[2] 房月华[1] 张利民[1] 赵鑫 Zhang Junfang;Du Peng;Fang Yuehua;Zhang Limin;Zhao Xin

机构地区：[1]衡水学院数学与计算机学院,河北省衡水市053000 [2]衡水学院电子信息工程学院,河北省衡水市053000 [3]衡水学院科研处,河北省衡水市053000

出　　处：《时代汽车》2022年第5期197-198,共2页Auto Time

基　　金：衡水学院2020年度校级自然科学类课题(2020ZR01):基于多源公交数据和LSTM的公交到站时间预测研究;衡水学院2020年度校级自然科学类课题(2020ZR08):高效薄膜硅-晶体硅异质结电池器件结构模拟及产业化工艺研究;河北省教育厅资助青年基金项目自然科学类(QN2020529):基于大数据和人工智能的网络舆情挖掘及预测研究。

摘　　要：大数据背景下传统的公交到站时间预测方法在预测精度和训练速度方面已经不能满足人们的期望。文章以衡水市公交运行实际数据为例,运用深度学习中的长短时记忆网络(LSTM)和人工神经网络(ANN)混合模型,综合考虑运行时段、天气状况、道路基础设施、是否交叉路口、是否高峰路段等因素,对公交车的到站时间进行预测研究,结果显示混合模型在预测公交车在前一个站点的停靠时间和站间的行使时间方面均具有较高准确性。Under the background of big data,the traditional bus arrival time prediction method cannot meet people’s expectations in terms of prediction accuracy and training speed.Taking the actual bus operation data of Hengshui City as an example,this paper uses the hybrid model of long-term and short-term memory network(LSTM)and artificial neural network(ANN)in deep learning to predict the bus arrival time by comprehensively considering the factors such as operation time,weather conditions,road infrastructure,whether there is an intersection and whether there is a peak section.The results show that the hybrid model has high accuracy in predicting the bus stop time at the previous stop and the travel time between stops.

关 键 词：长短时记忆网络 人工神经网络 预测 准确性 

分 类 号：F57[经济管理—产业经济]