基于深度学习的城市轨道交通短时客流预测与拥挤预警算法_轨道交通运营_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.42万字
  • 约 27页
  • 2026-11-22 发布于北京
  • 举报

基于深度学习的城市轨道交通短时客流预测与拥挤预警算法_轨道交通运营_2026年课程设计.docx

PAGE1

基于深度学习的城市轨道交通短时客流预测与拥挤预警算法

摘要

城市轨道交通站点客流具有突发性强、网络传播快的特点,大客流事件往往在数分钟内形成并通过换乘通道向全网扩散,给运营调度和乘客安全带来严峻挑战。现有客流预测方法多基于统计模型或单一图神经网络,难以同时捕捉客流在时间维度的长程依赖和空间维度的动态关联,导致突发客流预测滞后、预警提前时间不足。本文提出一种时空图Transformer与卷积混合模型(STGTC-Net),将图卷积网络与Transformer编码器并联融合,分别提取站点间空间关联特征和客流序列时间特征。模型以AFC刷卡数据构建动态邻接矩阵,通过门控融合机制整合时

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档