基于POI数据的站点动态聚类与多源LSTM模型：台州S1线客流预测.pdfVIP

发展

纪实

DevelopmentDocumentary

摘要：精准的客流预测对市域铁路的优化调度和资源配置至关重要。本文基于台州市域铁路S1线数据，提出了一种多元LSTM模型，

结合POI数据、节假日及天气等外部因素，提升了预测精度。通过聚类分析对车站进行分组，捕捉不同站点的客流规律，最终实现短

时客流预测。实验结果表明，提出的模型优于NAR神经网络和SARIMA，具有较高的预测准确性，为S1线的运营管理提供了科学依据。

关键词：市域铁路；客流预测；聚类分析；多元LSTM

课题项目：北京市横向课题“台州市域铁路S1线运行效能综合评价以及台州市域铁路S1线客流预测与列车运行优化研究”（项目编

号：T24L00730）

基于POI数据的站点动态聚类与多源LSTM模型：

台州S1线客流预测

██文/曹树森█钱栋栋█刘亮█朱宝全█台州台中轨道交通有限公司

████刘兴宇█北京交通大学交通运输学院

随着城市化进程的加快，轨道交通的地铁客流预测模型。其他学者还提出1 基于K-means++的站点聚

[4]

的作用愈加凸显，国家和地方政策也在了动态图神经常微分方程、多头图注类模型

[5]

持续加大支持力度。《智慧城轨发展纲意机制深度学习等客流预测模型。1.1分类因素的选取

要》明确提出，轨道交通的智能化水平本文基于大数据挖掘技术和人工智根据《城市轨道沿线地区规划设计

应得到显著提升，客流分布的实时预测能方法，构建了一种结合轨道交通多维导则》，本文选取站点周边1 km区域作

和运力与客流的精准匹配成为未来发展POI数据，考虑节假日及天气因素的多为影响区，并结合因素选取原则，选择

的重要方向。元LSTM短时客流预测模型，以期为S1九大类数据作为站点聚类分析的变量。

台州市域铁路S1线作为浙江省首条线的运营调度和资源配置提供科学的数美食：反映商业活跃度和人口密集度。

城市轨道交通线路，2022年开通运营，据支持。具体思路如图1所示。酒店：反映商业、旅游及商务活动的频

但面临诸多挑战。远离核心城区的站

基于多元因素的LSTM轨道交通客流预测模型

点较多，客流增长缓慢，列车开行频次路网可达性数据

客（ArcGIS）

低，难以实现公交化运营。如何通过精间人口分布数据数各属性的相关性分析

（ArcGIS）据

车

特POI开发强度数据K-means站预