基于Informer模型的高铁列车OD客流预测
张涛
中国国家铁路集团有限公司客运部,北京 100081
摘要：针对高速铁路列车OD客流长时预测数据量大、预测难度高的特点,提出基于Informer模型的客流预测方法.首先,定义高速铁路列车OD客流预测问题内涵,设计包含数据获取、数据处理和客流预测的研究框架;其次,收集旅客列车运行图系统和客运大数据平台的历史数据,挖掘影响列车OD客流的关键特征;再次,构建列车OD客流预测的Informer模型,运用包含概率稀疏自注意力机制的解码器结构捕获不同列车OD客流数据的长期相关性,给予重要时间节点更高的关注度,借助解码器结构生成列车的预测客流态势;最后,以京沪高铁上海虹桥至北京南区段的高铁列车为例,基于Informer模型预测列车OD客流,验证方法的有效性.研究结果表明:Informer模型可以较为精准地预测各列车客流量,与Transformer模型、门控循环单元(Gated Recurrent Unit,GRU)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型相比,Informer模型在训练集上的准确率分别提升2.11％、6.97％和6.79％,在测试集上的准确率分别提升1.42％、7.19％和8.24％.研究结果可为高速铁路精细化客运组织提供列车OD客流数据支撑,对高铁客运组织优化提供参考.
关键词：高速铁路客流预测深度学习Informer模型
分类号：U292.31(铁路运输管理工程)
论文发表日期：2025-06-30
在线出版日期：2025-08-21（本平台首次上网日期，不代表文献的发表时间）
页数：10( 90-99 )
英文信息