《表5 评价结果:基于深度学习的城市地面公交客流集散点刷卡客流预测——以常州市为例》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度学习的城市地面公交客流集散点刷卡客流预测——以常州市为例》
图5展示了模型拟合的过程,从图中可以看出,特征层融合的长短期记忆递归神经网络模型需要大约9 000多次迭代可以达到拟合.图5和表5展示了地面公交客流集散点刷卡客流预测的结果.在图6(a~d)中,实际值曲线是实际刷卡客流量,预测值曲线是模型预测的刷卡客流量.长短期记忆递归神经网络-1训练时不包含POI数据,而长短期记忆递归神经网络-2包含了POI数据.实验结果表明2个长短期记忆神经网络模型的效果要好于传统深度神经网络.这一点可以证明反映土地利用信息的POI数据在一定程度上可以提高模型的精度.观察MAE、RMSE和MAPE值,特征层融合的长短期记忆神经网络保持较低的值,这意味着在以上4个模型中,特征层融合的长短期记忆神经网络效果最好.
图表编号 | XD0015275100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.01 |
作者 | 徐特、陈学武、杨敏、吴静娴 |
绘制单位 | 东南大学交通学院、东南大学交通学院、东南大学交通学院、东南大学交通学院 |
更多格式 | 高清、无水印(增值服务) |