基于动态时空神经网络模型的地铁客流预测

来源：交通运输系统工程与信息杂志2023年第2期北京时间：

作者：施俊庆, 李睿, 程明慧, 阮俊辉, 谢星

单位：浙江师范大学，a. 工学院；b. 浙江省城市轨道交通智能运维技术与装备重点实验室，浙江 金华 321004

摘要：针对城市轨道交通站点客流预测问题，本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构，能够有效提取地铁客流的复杂时空特征，在空间维度上，全局和局部注意力机制相结合，实现站点间动态时空关联和静态拓扑结构的捕捉；在时间维度上，使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验，结果表明：相较于经典预测模型和深度学习模型，DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下，DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外，可视化分析证明了本模型对时空关联的动态学习能力，消融实验验证了各分支的有效性。

关键词：城市交通,地铁客流预测,注意力机制,双向长短时记忆,时空关联性

基金资助：浙江省自然科学基金(LY18E080021)；金华市科技计划项目(2021-4-346)；湖北省交通运输厅科技计划项目(2022-11-3-3)