考虑数据和模型不确定性的城轨线网客流短时预测方法

来源：交通运输系统工程与信息杂志2025年第6期北京时间：

作者：牟亮, 康彧瑞, 闫梓续, 朱广宇

单位：1. 北京交通大学，交通运输学院，北京100044；2.山西大学，自动化与软件学院，太原030031

摘要：为获得预测时刻线网客流量的概率信息，本文提出一种考虑数据与模型不确定性的城轨线网客流短时概率预测模型(PD-STGCN)。该模型构建时空不确定性预测模块(STUPM)和概率量化模块(PQM)的协同框架。在STUPM中，针对客流数据和预测模型中存在的不确定性，利用高斯负对数似然损失(GNLL)和蒙特卡洛Dropout技术(MCDropout)，开发融合两种不确定性量化结果的新损失函数。在PQM中，根据预测结果利用随机正态采样获得离散的样本集，基于高斯核密度估计(KDE)方法输出连续的概率预测结果。以某大城市城轨交通客流数据为例，选择工作日和非工作日两种场景进行验证。结果表明：相较于基准预测模型，PD-STGCN的预测区间覆盖概率(PICP)和连续排序概率评分(CRPS)指标分别提升8.01%和20.77%，可以更好地覆盖真实客流值且预测精度更高。通过消融实验验证不确定性是影响模型性能最显著的因素，考虑双重不确定性比仅考虑单种不确定性模型在PICP和CRPS上分别提升了1.91%和4.02%以上。

关键词：城市交通,客流预测,概率预测,城轨站点客流,多源数据,不确定性量化

基金资助：国家自然科学基金(62433005，62272036)。