基于LSTM模型的轨道换乘站短期客流预测

陈 思宇
重庆交通大学

摘要

为了提高城市轨道交通的运行效率，充分发挥运力且保证其运营的安全，来缓解道路交通拥堵的情况。本
文通过对重庆市2018年1月客流数据进行分析处理，以重庆市轨道交通红旗河沟站和重庆北站南广场站两个换乘站
为实验案例，提出了基于单变量及多变量的长短期记忆（LSTM）网络结构的轨道换乘站短时客流预测方法。最后，
建立模型评价指标，将预测结果与BP（反向传播）神经网络模型进行误差对比分析，结果表明基于多变量LSTM网
络模型在轨道换乘站短时客流量预测中效果更优，同时在将客流分组建立四种LSTM网络后，多变量较单变量LSTM
模型预测精度得到了进一步提升。

关键词

LSTM模型；多变量；5分钟时间间隔客流量

参考

[1]罗向龙，李丹阳，杨彧等.基于KNN-LSTM的短时

交通流预测[J].背景工业大学学报，2018，44(12):55-61.

[2]王兴川 ,姚恩建﹐刘莎莎 .基于AFC数据的大型

活动期间城市轨道交通客流预测 L].北京交通大学学报，

2018,42 ( 1):87-93.

[3]李梅 ,李静 ,魏子健 ,等 .基于深度学习长短期记

忆网络结构的地铁站短时客流量预测[J].城市轨道交通

研究﹐ 2018( 11) : 49.

[4]毛静 .城市轨道交通客流短期预测方法及实证研

究[D].北京 :北京交通大学 ,2012.

[5]林瑞华 .基于时间序列分析的轨道交通客流预

测 .现代经济信息，2013(22): 370.