同济大学学报(自然科学版)

2021, v.49(09) 1301-1306

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

面向精细化管理的停车需求短时预测
Short-term Prediction of Parking Demand for Parking Delicacy Management

李林波;李杨;

摘要(Abstract):

停车诱导系统(PGS)是缓解交通拥堵的有效办法,但停车需求短时精准预测作为空余车位发布的关键技术并没有得到有效解决。利用停车需求时变特征曲线的线型稳定性,以及在周内各工作日间的振幅的显著差异性对数据进行分组,采用不仅具备记忆时间序列数据能力,同时有着更简洁的逻辑门控制结构的GRU(gated recurrent unit)模型对停车需求进行短时精准预测,发现相比于传统神经网络以及ARIMA模型,在考虑停车需求周内日间差异性并对数据进行分组后的GRU模型能提供更高的预测精度。

关键词(KeyWords): 精细化停车管理;停车需求预测;GRU模型;模型比选

Abstract:

Keywords:

基金项目(Foundation): 国家社会科学基金项目(207BGL291)

作者(Author): 李林波;李杨;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享