2020年-2021年夏季研究，Raynil Laxmidas 基于动态Agent的城市同化数据建模 在此处下载该项目的海报： 。 1.0目标： 这项研究的目的是通过以下方法预测中央火车站的行人运动： 创建一个长期短期记忆（LSTM）人工循环神经网络（RNN），该网络基于5个先前的视频数据帧来预测行人的角度和运动速度。 使用粒子过滤器（PF）合并LSTM输入和实时数据，以预测行人运动以及行人离开火车站的大门。 将使用PF + LSTM的数据同化（DA）模型与仅使用LSTM的模型和随机