-
题名考虑时间周期的图神经网络地铁客流预测
被引量：4
- 1
-
-
作者
钱汉强
时玥
陈艳艳
王嘉晨
-
机构
北京工业大学城市交通学院
北京工业大学交通工程北京市重点实验室
布朗大学工程学院
-
出处
《长安大学学报(自然科学版)》
北大核心
2025年第2期154-164,共11页
-
基金
北京市自然科学基金项目(L241079)
-
文摘
为了准确预测地铁进出站客流,提出一种基于深度学习算法的图神经时空网络(GNSTNet)地铁客流预测模型,该模型以历史24 h地铁进出站客流、天气和时间标签数据为输入,预测未来1 h内全网每个站点的进出站客流量,通过逐小时站点进出站客流和地铁网络邻接矩阵构建地铁客流时空图;在GNSTNet模型中,利用图神经网络提取每一时间步的空间维度特征,通过傅里叶变换提取时间序列潜在周期性,并使用卷积神经网络提取时间维度的特征。研究结果表明:在北京地铁2021年6月的数据集中,基于图神经网络的地铁客流预测模型取得了比6种基准模型更高的预测精度;相较于精度最高的基准模型,平均绝对误差平均减少了14.97%,均方根误差平均减少了13.35%;基于图神经网络的地铁客流预测模型通过融合图神经网络、傅里叶变换和卷积神经网络,相较于传统算法有效地提升了对于全网地铁进出站客流量的预测精度。
-
关键词
交通工程
客流预测
图神经网络
地铁
深度学习
-
Keywords
traffic engineering
passenger flow prediction
graph neuralnetwork
subway
deep learning
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
-
题名基于时频图深度学习的雷达动目标检测与分类
被引量：21
- 2
-
-
作者
牟效乾
陈小龙
苏宁远
关键
陈唯实
-
机构
海军航空大学
中国民航科学技术研究院
-
出处
《太赫兹科学与电子信息学报》
北大核心
2019年第1期105-111,共7页
-
基金
国家自然科学基金资助项目(61871391
U1633122
+4 种基金
61871392
61531020)
国防科技基金资助项目(2102024)
山东省高校科研发展计划资助项目(J17KB139)
中国科协"青年人才托举工程"专项经费资助项目(YESS20160115)
-
文摘
雷达动目标检测技术一直是雷达信号处理领域中的关键技术,而传统的雷达动目标检测技术仅适用于匀速运动目标,检测性能有限。针对该问题提出一种基于卷积神经网络(CNN)时频图处理的雷达动目标检测方法,通过从雷达动目标回波中提取多普勒频移信息,然后利用短时傅里叶变换转换为时频图,输入卷积神经网络,进行深度特征学习,进而实现检测和分类的目的。仿真数据验证表明,所提方法能够有效检测和区分匀速、匀变速运动以及微动目标,稳健性高,与传统动目标检测方法相比具有显著优势。
-
关键词
雷达动目标检测
目标分类
深度学习
卷积神经网络
时频图
-
Keywords
radar moving target detection
target classification
deep learning
Convolutional neuralnetwork
time-frequency graph
-
分类号
TN959
[电子电信—信号与信息处理]
-
