基于BOA-LSTM模型的地铁站客流预测
杨鑫宇1
陈队永2
1.河北科技学院汽车工程学院,河北 唐山 063200;石家庄铁道大学河北省交通安全与控制重点实验室,河北 石家庄 0500432.石家庄铁道大学河北省交通安全与控制重点实验室,河北 石家庄 050043;石家庄铁道大学交通运输学院,河北 石家庄 050043
摘要：针对地铁站客流预测方法单一、预测准确度较低等问题,基于贝叶斯优化算法(Bayesian optimization algorithm,BOA)的全局寻优能力,寻找长短时记忆(long short time memory,LSTM)神经网络的最优超参数,提出BOA-LSTM客流预测模型.以石家庄地铁 1 号线北国商城站为例,根据该站客流特征分别采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型、LSTM神经网络和BOA-LSTM模型预测2021 年7、8 月工作日与自然日的进、出站客流.结果表明:BOA-LSTM模型的客流量预测结果与实际客流量的平均绝对百分比误差、平均绝对误差、均方误差、均方根误差均最小,客流预测准确度较高;BOA-LSTM客流预测模型的适用期为 1～2 个月,在地铁站短时客流预测中具有较强的实用性.
关键词：地铁站客流预测BOALSTM神经网络准确度
分类号：U293.13(铁路运输管理工程)
资助基金：河北省高等学校科学技术研究项目(QN2017354)
论文发表日期：2023-12-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 51-59 )
英文信息