考虑轨道出行时空分布的断面客流预测

掌握列车区间段客流拥挤情况对列车运行调度有重要支撑作用。全线区间客流与站点分布、类型以及历史客流出行规律相关,提出具有时序化特征的出行引力因子对客流时空分布规律进行量化,选用长短期记忆人工神经网络(LSTM)处理该因子与区间客流间的关系。通过研究模型层数以及城市平均出行时间等对LSTM模型预测性能的影响,综合考虑全线区间客流总体平均绝对误差(MAE)和各轨道区间段客流MAE的离差以选择最佳预测模型。根据重庆市轨道历史数据,建立了时间步为3的双层LSTM模型预测重庆市轨道全线区间客流,结果表明:所提模型预测效果不仅优于时间序列模型,还优于直接将进出站客流作为LSTM输入的同类模型,能为城市轨道交通运营组织优化提供参考。