来源：期刊VIP网 时间：
作者：赵荷花;孙希忠;杨春霞;尹星;郭小龙;
单位：青岛工程职业学院机电工程学院;济南轨道交通集团运营有限公司安全技术部;青岛地铁运营有限公司车辆中心;
摘要：为研究城市轨道交通高峰期站点客流预测问题，通过提出一种结合季节性趋势分解算法(STL)、图卷积神经网络(GCN)和门控循环单元(GRU)的多序列时空特征融合网络模型(STL-MGCN-GRU模型)，充分挖掘进站客流时间序列、站点邻接特征、站点距离特征以及时间标签数据的复杂的时空关联性，实现城市轨道交通高峰期站点客流精准预测。实验结果表明，所提出的STL-MGCN-GRU模型在不同输入和预测步长组合的预测任务中均表现出卓越且稳定的性能，展现出强大的先进性、鲁棒性和适用性。与基线模型相比，该模型在高峰期客流预测和全日客流预测中均取得了最佳预测结果，特别是在高峰期预测任务中，STL-MGCN-GRU模型在所有子任务中始终保持最优性能，且在三步预测子任务的误差指标上领先第二名超过5%。该研究为城市轨道交通运营管理提供了新的客流预测方法，为实现精细化运营管理提供有力支持。
关键词：轨道交通;;客流预测;;STL算法;;GCN;;GRU;;深度学习
基金资助：山东省职业教育教学改革研究项目(2024360)
