基于双向长短期记忆网络的公交到站时间预测模型

来源：交通运输系统工程与信息杂志2023年第2期北京时间：

作者：张兵, 周丹丹, 孙健, 倪训友

单位：1. 华东交通大学，交通运输工程学院，南昌 330013；2. 长安大学，未来交通学院，西安 710064

摘要：为实现准确预测公交到站时间，提高城市公交出行分担率，本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向 LSTM 模型实现超参数寻优，并增加Attention机制以提高双向LSTM处理信息能力，构建改进海鸥算法优化增加Attention机制的双向LSTM(ISOA-BiLSTM-Attention)预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间，验证模型预测精度。结果表明：整体上来说，Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好；进的海鸥算法可对双向LSTMAttention 模型实现较好的优化效果，相较于现有模型及标准海鸥算法(SOA)优化双向LSTMAttention模型，ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低 5.96%、9.87%及 7.99%；同时，ISOABiLSTM-Attention具有最大的模型决定系数 R2 值体现了该预测模型泛化能力及稳定性较好，可针对公交到站时间进行较为准确地拟合。

关键词：城市交通,公交到站时间预测,改进海鸥优化算法,双向LSTM模型,Attention机制

基金资助：国家自然科学基金(71971138, 52162042, 72161012)