原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
铁道运输与经济第47卷第09期
RAILWAYTRANSPORTANDECONOMY
文章编号：1003-1421（2025）09-0115-12
引用格式：赵荷花，孙希忠，杨春霞，等.基于多序列时空特征融合网络的轨道交通高峰客流预测研究[J].铁道运输与经济，2025，
47(9)：115-126.
ZHAOHehua，SUNXizhong，YANGChunxia，etal.PredictionofRailTransitPeakPassengerFlowBasedonMulti-Sequence
SpatiotemporalFeatureFusionNetwork[J].RailwayTransportandEconomy，2025，47(9)：115-126.
基于多序列时空特征融合网络的轨道交通
高峰客流预测研究
11231
赵荷花，孙希忠，杨春霞，尹星，郭小龙
(1.青岛工程职业学院机电工程学院，山东青岛266112；2.济南轨道交通集团运营有限公司
安全技术部，山东济南250000；3.青岛地铁运营有限公司车辆中心，山东青岛266100)
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
中图分类号：U293.13文献标识码：ADOI：10.16668/ki.issn.1003-1421.2025.09.12
PredictionofRailTransitPeakPassengerFlowBasedonMulti-Sequence
SpatiotemporalFeatureFusionNetwork
11231
ZHAOHehua，SUNXizhong，YANGChunxia，YINXing，GUOXiaolong
(1.CollegeofMechanicalandElectricalEngine
您可能关注的文档
人力资源管理师持证人
专注于各类文档、文案、文稿的写作、修改、润色和各领域PPT文档的制作，收集有海量各类规范类文件。欢迎咨询！
文档评论（0）