《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.