基于深度学习的地铁短时客流量预测模型设计与实现.pdfVIP

ISSN1009-3044E-mail：eduf@

ComputerKnowledgeandTechnology电脑知识与技术

第21卷第11期(2025年4月)ComputerKnowledgeandTechnology电脑知识与技术

http：//

Vol.21,No.11,April2025Tel：+86-551

基于深度学习的地铁短时客流量预测模型设计与实现

122

李世星，陈明玉，李国强

(1.广州地铁集团有限公司，广东广州510620；2.广州新科佳都科技有限公司，广东广州510440)

摘要：为提高地铁服务质量和运行效率，保证运行安全，需要对地铁短时客流进行预测。文章基于深度学习理论，提出

GA-SVM预测模型和PSO-SVM预测模型，通过对模型预测效果的试验分析，PSO-SVM预测模型更合理，预测误差为

24.08%，能够对地铁短时客流完成预测，提高地铁的运行效率，保证服务质量，具有较好的应用价值。

关键词：地铁短时客流；深度学习；GA-SVM；PSO-SVM

中图分类号：U293.13文献标识码：A

开放科学(资源服务)标识码(OSID)：

文章编号：1009-3044(2025)11-0025-03

0引言∂L(a,b,ω)n

=ω-ayx(3)

∂a∑iii

随着社会的稳定发展，城市轨道交通作为一种绿i=1

色的公共交通资源，建设速度也在不断加快。地铁既∂L(a,b,ω)=nay(4)

∂b∑ii

缓解了交通堵塞，也方便了广大人民出行，成为大部