基于改进LSTM模型的铁路客运站客流预测研究

摘要：

准确地预测旅客到达数量有助于缓解铁路客运站运营压力.为实现铁路客运站客流量预测,以铁路客站进站闸机数据为研究对象,分析不同时间维度下铁路客运站客流的时间分布特征,采用层次聚类算法和阈值聚类算法综合对客流量进行聚类分析.针对传统LSTM模型输入数据分割尺度较大导致网络层数深度不够的问题,构建了改进型LSTM客流预测模型.以北京西站实际客流数据进行方法验证,并将预测结果与其他传统预测模型进行比对分析.结果表明:改进LSTM客流模型有较好的预测结果,比其他传统预测模型预测精度高,预测指标中平均绝对误差(MAE)低10％.说明该方法能较好地刻画客流的时间相关性,深度挖掘客流变化的内在机理,预测性能有明显提升.

关键词：铁路客运站、客流预测、改进LSTM模型、时序特征、层次聚类分析

所属期刊栏目：45

分类号：U293.13(铁路运输管理工程)

资助基金：国家重点研发计划;北京经纬信息技术有限公司科研项目

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：53-60