基于深度学习的城市轨道客流预测实训基地培训系统设计与实现

作者：李运^*

来源：计算技术与自动化, 2022, 41(02): 173-177.

DOI：10.16339/j.cnki.jsjsyzdh.202202032

• BP神经网络
• 深度置信网络
• 城市轨道
• 客流量
• 培训系统

为进行城市轨道客流量的科学预测，设计实现了实训基地培训系统，在系统中分别构建BP(Back Propagation)神经网络模型与DBN(Deep Belief Network)深度置信网络模型来进行城市轨道客流量数据的收集与整理。针对城市轨道交通车流量短时间快速增长的问题，在系统中建立实时数据分析处理模块，结合深度置信网络，使用算法对轨道客流进行实时准确的预测。将采集到的大量数据通过系统的数据处理模块进行分析验证，数据分析结果显示：在深度置信网络模型中，轨道交通各节点平均均方根误差相比BP神经网络模型大约减少了0.01475,每批次任务实时计算时间平均为3.5s,系统预测实时性较好，准确率较高，有很好的预测效果，可以合理地规划城市轨道交通线路，有效提高了城市轨道的交通利用率。