城轨车站进站大客流自适应预警智能体研究

来源：交通运输系统工程与信息杂志2026年第2期北京时间：

作者：宋绪扬, 刘方达, 庞文丰, 王芳盛, 万怀宇

单位：1. 北京交通大学，计算机科学与技术学院，北京100044；2.佳都科技集团股份有限公司，中央研究院，广州510653；3. 上海工程技术大学，城市轨道交通学院，上海201620

摘要：针对城市轨道交通进站大客流预警中阈值固化、响应滞后及适配性不足等问题，本文提出一种融合大语言模型（LLM）的自适应预警智能体方法。该方法构建“离线聚类-实时预警-LLM自适应修正”技术框架：首先，采用“层次聚类预处理+k-means优化”两阶段算法挖掘历史客流规律，生成包含日期类型和峰值特征等信息的典型客流模式库；其次，基于模式匹配，计算客流极值、变化率和累积量3类异常指标，利用四分位距法动态确定各模式下的预警阈值，并划分3级预警等级；最后，引入LLM构建自适应预警智能体框架，基于RAG（检索增强生成）技术实现预警参数的自然语言交互式优化与动态修正。以青岛地铁五四广场站373d进站客流数据为样本的实证表明：系统成功识别5类典型客流模式，并在五一假期某日高客流场景中，将原本可能触发的24次预警降低为7次有效预警，显著降低误报率；同时，案例通过语言指令支持参数调整和预警灵敏度变化，实现28.6%的预警覆盖率提升。本方法实现预警阈值与客流模式的动态绑定，融合LLM的自适应优化能力与自然语言交互优势，有效解决传统预警的滞后性与适配性问题。

关键词：铁路运输,大客流预警,大语言模型,聚类分析,城市轨道交通,智能体

基金资助：国家自然科学基金 (60634010, 60776829)。