大数据技术在城市轨道交通客流预测中的应用研究

文章以某地铁车站的刷卡记录为例,构建了LSTM—Attention深度学习模型进行预测,并与传统LSTM模型进行对比。实验结果显示,LSTM—Attention模型在预测性能上表现更优,R2值达到0.973,MAE和RMSE值分别为23.74和41.33。文章还评估了模型的泛化能力,将其应用于湘湖站和凤起路站,结果表明LSTM—Attention模型在新站点的客流量预测上依然保持了较高的精度和稳定性。LSTM—Attention模型能更有效地捕捉时间序列数据中的关键信息,实现精准预测,为城市轨道交通运营调度优化提供有力支持。