摘要
摘要: 城市轨道交通是城市交通的重要组成部分。城市轨道交通因其运量大、准时、速度快、方便快捷、环保、经济，成为居民出行的主要方式之一。目前，城市轨道交通运营的总发展趋势呈现出网络结构复杂，客运运量大，突发事件传播快、影响大等发展态势，因此有必要对地铁进行客流量的预测研究，做好预案，减少突发事件，提高运营效率。城市轨道交通进站客流量序列具有非线性、随机性、高噪声等特点,传统的数值分析方法难以保证客流预测的准确性，因此，本文引入了机器学习的方法，采用长短时记忆神经网络(LSTM，Long Short-Term Memory)可以有效处理上述数据特性。实验结果显示，LSTM模型的进站客流预测值与实际值具有较好的一致性，验证了所提方案的可行性。
出版日期
2022年09月21日（中国期刊网平台首次上网日期，不代表论文的发表时间）
