基于混合深度学习的地铁站客流量预测研究.pdfVIP

第42卷第8期计算机仿真2025年8月

文章编号：1006-9348（2025)08-0294-07

基于混合深度学习的地铁站客流量预测研究

刘帆，朱强2*

（1.郑州经贸学院管理学院，河南郑州451191；

2.郑州工程技术学院信息工程学院，河南郑州450044）

摘要：针对目前地铁短时客流量预测模型在时间相关性较强的流量预测中精度不足问题，提出了一种基于将一维卷积神经

网络（1DConventionalNeuralNetworks，CNN1D）和长短期记忆（LongShort-TermMemory，LSTM）网络相组合的地铁短时客

流量预测模型。模型采集多维原始客流量特征数据作为输入，通过CNN1D的卷积和池化运算进行时序特征提取；将重构数

据输入LSTM网络进一步挖掘数据周期性和连续性，特征融合输出预测结果；采集郑州市秦岭路站的进出站客流量数据，对

模型进行验证与评估，并与其它常用模型进行了对比分析。实验结果表明，本模型预测精度高于对比模型，对比次优模型

CNN-CRU，在进出站客流量预测中RMSE值分别下降了8.65%、8.93%，MAE值分别下降了7.33%和7.93%，具有较好的

实用价值。

关键词：深度学习；地铁；客流量预测；一维卷积神经网络；长短期记忆

中图分类号：TP183文献标识码：B

ResearchonPassengerFlowPredictionofSubwayStations

BasedonHybridDeepLearning

2*

LIUFan,ZHUQiang

(1.SchoolofManagement,ZhengzhouUniversityofEconomicsandBusiness,ZhengzhouHenan451191,China;

2.SchoolofInformationEngineering,ZhengzhouUniversityofTechnology,ZhengzhouHenan451191,China)

ABSTRACT:Toaddresstheissueofinsufficientaccuracyincurrentshort-termpassengerflowpredictionmodelsfor

subways,particularlyinscenarioswithstrongtemporalcorrelations,asubwayshort-termpassengerflowprediction

modelisproposed,whichcombinesone-dimensionalconvolutionalneuralnetworks(1DConvolutionalNeuralNet-

works,CNN1D)andlongshort-termmemory(LSTM)networks.Themodelcollectsmulti-dimensionalrawpassenger

flowfeaturedataasinputandperformstemporalfeatureextractionthroughconvolutionandpoolingoperationsin

CNNID;thereconstructeddataistheninputintotheLSTMnetworkto