逄境然,王韶鹏,张玉川,马 维,林 柏

城市轨道交通客流预测是保障运营效率与安全管理的重要基础。现有预测模型在数据完整性、建模方法及外部变量整合方面存在一定局限，影响预测精度与实用性。研究指出，构建基于多源数据融合的预测框架，结合深度学习与特征工程手段，能够增强模型对复杂客流变化的适应能力。通过优化数据处理流程、改进算法结构以及集成动态反馈机制，有助于提升预测系统的智能化水平，为城市交通调度决策提供科学支持，推动轨道交通管理向精细化、自动化方向演进。

城市轨道交通；客流预测；模型优化；数据分析；智能算法

[1] 陈志远,周晓峰.城市轨道交通客流预测中的大数据建模方法研究[J].城市交通,2023,21(4):56-63. [2] 黄文斌,邓宇翔.深度学习在地铁客流短期预测中的应用分析[J].计算机工程与设计,2022,43(7):1892-1899. [3] 孙立群,赵宏宇.多因素影响下的城市轨道交通客流预测模型比较[J].交通运输系统工程与信息,2021,21(5):112-119.

点击下载PDF