基于自适应时空图交互的城市轨道交通短时客流预测.pdfVIP

JournalofSensorTechnologyandApplication传感器技术与应用,2025,13(3),480-489

PublishedOnlineMay2025inHans./journal/jsta

/10.12677/jsta.2025.133048

基于自适应时空图交互的城市轨道交通短时

客流预测

颜树成，王昌友，江子璇

江西理工大学电气工程与自动化学院，江西赣州

收稿日期：2025年4月18日；录用日期：2025年5月17日；发布日期：2025年5月27日

摘要

城市轨道交通客流预测对于地铁运营调度、客流管理及个人出行规划具有重要意义。然而，由于不同站

点的流量模式各异，以及站点间的空间依赖关系具有时变性，该问题仍然面临诸多挑战。为此，本文提

出了一种自适应时空图交互模型(ASTGN)，用于精准预测城市轨道交通流量。首先，引入异构节点嵌入

(HNE)模块，以捕获不同站点的个性化流量模式。其次，采用动态图依赖建模(DGDM)模块，从数据中自

适应学习站点间的动态空间关系，无需预定义邻接结构。然后，利用多步时序注意力(MSTA)模块，基于

自注意力机制建模长期时间依赖关系，以提升长时序预测能力。最后，利用动态融合模块(DFM)整合时

空信息，使模型更好地适应复杂的轨道交通流量变化。在杭州地铁数据集上进行了实验，并与10种基线

方法进行对比，结果表明ASTGN在多个时间粒度上的预测精度均显著优于现有方法，能够有效提升城市

轨道交通客流预测的可靠性与稳定性。

关键词

客流预测，时空数据，图神经网络，深度学习

Short-TermPassengerFlowPredictionfor

UrbanRailTransitBasedonAdaptive

SpatiotemporalGraphInteraction

ShuchengYan,ChangyouWang,ZixuanJiang

SchoolofElectricalEngineeringandAutomation,JiangxiUniversityofScienceandTechnology,GanzhouJiangxi

ththth

Received:Apr.18,2025;accepted:May17,2025;published:May27,2025

Abstract

Urbanrailtransitpassengerflowpredictionplaysacrucialroleinmetrooperationscheduling,pas-

sengerflowmanagement,andindividualtravelplanning.However,duetothediversetrafficpatterns

文章引用:颜树成,王昌友,江子璇.基于自适应时空图交互的城市轨道交通短时客流预测[J].传感器技术与应用,

2025,13(3):480-489.DOI:10.12677/jsta.2025.133048

颜树成等

acrossdifferentstationsandthetime-varyingspatialdependenciesbetweenstations,thisproblem

remainshighlychallenging.Toaddressthesechallenges,thispaperproposesanAdaptiveSpatio-

temporalGraphInteractionModel(ASTGN)foraccurateurbanrailtransitflowprediction.First,th