基于扩散卷积门控循环单元模型的行人流量预测
机器学习
2024-11-07 v1 应用统计
摘要
用于分析和预测行人流量的有效模型对于确保行人及其他道路使用者的安全至关重要。这些工具在优化基础设施设计与几何结构，以及支持互联社区的经济效用方面也发挥着关键作用。全市范围内的自动行人计数系统的实施为研究人员提供了宝贵的数据，使得能够开发和训练深度学习应用，从而为交通和人流提供更好的洞察。受益于墨尔本市行人计数系统提供的真实世界数据，本研究提出了一种行人流量预测模型，作为结合动态时间规整的扩散卷积门控循环单元（DCGRU）的扩展，命名为 DCGRU-DTW。该模型通过扩散过程捕捉行人流量的空间依赖性，并通过门控循环单元（GRU）捕捉时间依赖性。通过广泛的数值实验，我们证明了所提出的模型在多个模型精度指标上优于经典向量自回归模型和原始 DCGRU。
关键词
引用
@article{arxiv.2411.03360,
title = {Pedestrian Volume Prediction Using a Diffusion Convolutional Gated Recurrent Unit Model},
author = {Yiwei Dong and Tingjin Chu and Lele Zhang and Hadi Ghaderi and Hanfang Yang},
journal= {arXiv preprint arXiv:2411.03360},
year = {2024}
}