基于PCA-LSTM模型的城市轨道交通短时客流预测

作者：石敏莲; 刘志钢^*; 胡华; 汪景

来源：智能计算机与应用, 2020, 10(03): 155-159.

• 短期预测
• 客流
• PCA
• LSTM

城市轨道交通的进出站客流量具有较大的不确定性和复杂性,尤其是短期客流预测,一直是地铁客流预测中的一个研究热点和难点。AFC设备能准确读取刷卡数据,实现历史和实时进出站客流量的有效统计。为提高进出站客流预测精度,本文以杭州地铁西兴站为例,利用主成分分析法(PCA)对通过AFC设备采集的历史进出站客流数据进行特征提取,然后通过处理后的数据建立长短期记忆网络(LSTM)短期客流预测模型。仿真结果表明该方法在城市轨道交通进出站客流预测中有较好的表现,满足短期客流预测的要求,能够为地铁的运营管理提供一定的指导作用。

• 单位
  上海工程技术大学; 土木工程学院