基于起终点双向图卷积与动态门控融合的地铁短期OD客流预测研究
《Vehicles》:Short-Term Metro OD Passenger Flow Prediction Based on Origin–Destination Bidirectional Graph Convolution and Dynamic Gated Fusion
【字体:
大
中
小
】
时间:2026年10月02日
来源:Vehicles 3.2
编辑推荐:
**摘要**
准确的短期起终点(OD)客流量预测为地铁运营提供了重要的需求信息。OD客流量同时与出发端和到达端的空间依赖性相关,但这两者在不同OD对和运营时段中的相对预测价值可能存在差异。分别提取两种空间表示并不能确定它们的融合方式是否应随当前状态而变化。为探讨这一问题,本
**摘要**准确的短期起终点(OD)客流量预测为地铁运营提供了重要的需求信息。OD客流量同时与出发端和到达端的空间依赖性相关,但这两者在不同OD对和运营时段中的相对预测价值可能存在差异。分别提取两种空间表示并不能确定它们的融合方式是否应随当前状态而变化。为探讨这一问题,本文提出了一种起终点双向图卷积与动态门控融合模型,称为OD-BGCN-GRU。其中,Origin-GCN和Destination-GCN分别沿OD矩阵的出发端和到达端两个维度传播信息。一个状态依赖的门控机制自适应地融合两种空间表示,而门控循环单元(GRU)用于捕获时间演化特征。在杭州市地铁自动售检票数据上的实验表明,OD-BGCN-GRU在活跃OD对上取得了0.704 ± 0.007的平均绝对误差(MAE)和2.253 ± 0.021的均方根误差(RMSE),与ODMixer相比,MAE降低了3.03%。此外,动态融合相对于针对特定OD对的静态融合进一步将MAE降低了2.36%,印证了出发端与到达端空间信息之间状态依赖协调的预测优势。这些发现为细粒度的短期地铁OD需求预测及后续面向需求的运营分析提供了有益的建模基础。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号