基于多特征融合的城市軌道交通短時客流預測

李兆豐，倪少權,2,3，孫克洋，呂苗苗,2,3

基于多特征融合的城市軌道交通短時客流預測

李兆豐1，倪少權1,2,3，孫克洋1，呂苗苗1,2,3

（1. 西南交通大學，交通運輸與物流學院，成都 611756；2. 綜合交通運輸智能化國家地方聯合工程實驗室，成都 611756；3. 綜合交通大數據應用技術國家工程實驗室，成都 611756）

客流需求是城市軌道交通運營組織的基礎，隨著信息采集技術、計算能力等的快速發展，短時客流推演的準確性在成網條件下尤為關鍵。考慮到客流的時間依賴性、空間關聯性與外部因子隨機性影響，以LSTM神經網絡為基礎預測框架，構建融合多特征的“端到端”短時客流預測框架，挖掘客流的時間依賴性特征，通過Embedding層嵌入外部因子稀疏矩陣，再利用全連接層融合時間特征、空間特征和其他因子得到預測結果。以成都地鐵火車南站為實例研究對象，經多次實驗，與ARIMA模型與LSTM神經網絡相比，融合多特征的組合預測模型預測性能最佳，訓練集和驗證集MAE誤差分別為11.49和10.85，并在測試集上對模型進行測試，結果表明，該模型具有較佳的預測精度和魯棒性。

城市軌道交通；短時客流預測；多特征融合；端到端預測框架；時空關聯性

0 引 言

近年來，隨著我國城市軌道交通建設的快速推進，眾多城市軌道交通系統已實現網絡化運營，客流需求作為組織城市軌道交通線網日常運營的前提與基礎，客流預測在成網運營條件下至關重要。客流預測結果過大，會引起人力、物力和財力的極大浪費，客流預測結果過小，則會造成車站、車廂擁擠，輕則引起乘客滿意度降低，重則造成人員傷亡等嚴重后果。……