基于门控循环神经网络的客运站客流预测

作者：张亚伟; 陈瑞凤^*; 刘小燕

来源：铁道运输与经济, 2022, 44(09): 96-102.

DOI：10.16668/j.cnki.issn.1003-1421.2022.09.14

• 客流量预测
• 循环神经网络
• 长短期记忆网络
• 门控循环神经网络
• 均方根误差

分析客运站历史客流数据并进行客流量预测，可以帮助客运人员掌握车站客运调度情况，应对客流突发事件等，对旅客运输组织的优化极为重要。以北京北站全年实际发送客流量为样本数据集，采集客流数的频率为30 min，将全年数据集以8:2比例划分为训练集和测试集。首先对数据集做预处理，通过分析数据的周期性和波动性特点，采用Z-Score方法进行标准化处理。利用循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环神经网络(GRU)对标准化后的数据集进行训练，并对最后1天的客流量进行预测。通过对3种模型的预测结果进行波形观察与均方根误差(RMSE)比对，基于GRU模型的客流量预测具有更好的波峰响应与更低的误差，更接近原始波形。

• 单位
  中国铁道科学研究院集团有限公司