基于类神经网络的轨道交通新开站点客流预测

随着轨道交通新线或新开站点的投入使用,其网络拓扑结构会发生变化,并且网络上的客流也变得越发的复杂,如何准确预测新开站点的客流需求是目前轨道交通系统亟需解决的关键问题。因此,充分考虑了新开站点周边用地、拓扑、接驳、居住等特性,构建了基于多因素约束的非线性类神经网络(ANN)模型,对轨道交通新开站点需求进行预测。以北京市轨道交通为例,应用该模型进行预测,其预测精度达到96.6%,说明综合考虑站点用地、拓扑、接驳、居住等因素约束的非线性ANN模型能够较好捕捉新开站点下客流需求的非常规变化,相比以往方法预测精度更高。研究结果可为轨道交通系统新开站点建设立项及可行性研究环节的客流预测提供新的方法。