Indexed by：
Abstract：
近年来,共享单车逐渐成为流行于城市的交通出行手段,过量投放是其目前面临的最大问题,准确预测共享单车流量能有效调节共享单车投放,且能维护城市的交通秩序和形象.考虑到共享单车流量是一种时间序列,当前流量与过去和将来的流量具有密切的联系,本文提出一种基于双向长短期记忆的深度网络模型以预测未来的共享单车流量.该模型的时间步长设置为12,即以过去12个小时的数据作为输入,预测未来一个小时的共享单车流量数据,以此类推,每次向后推移一个小时,从而预测下一个数据.为了验证模型的性能,本文选取人工神经网络,循环神经网络以及长短期记忆网络作为对比模型.实验结果显示,所提出的模型在预测未来的共享单车流量的性能最佳.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
小型微型计算机系统
ISSN： 1000-1220
CN： 21-1106/TP
Year： 2021
Issue： 9
Volume： 42
Page： 1871-1876
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
