基于多层卷积长短期记忆神经网络的城轨路网短时客流预测研究

作者：王忻; 李晔; 张思韬; 张凌云

来源：现代城市轨道交通, 2023, (09): 95-99.

• 城市轨道交通
• 短时客流
• 预测
• ConvLSTM

精准的客流预测对城市轨道交通管理者获取交通需求变化、做出科学决策具有重要意义。为进一步提升客流预测精度，充分考虑客流时空特性，文章提出一种基于多层卷积长短期记忆神经网络（ConvLSTM）的路网短时客流预测模型。通过多层ConvLSTM中的卷积运算获取客流的空间特性，通过长短期记忆部分获取客流的时间特性。为验证模型的有效性，采用某城市地铁客流数据进行案例验证，研究结果表明：该模型相比于现有模型具有更高的预测精度。综上所述，该模型可为城市轨道交通站点短时客流预测提供新的方法，具有研究意义和现实意义。