Resumen

Como centro de distribución del flujo de pasajeros que coopera con varios modos de transporte, el centro integral de transporte de pasajeros aporta comodidad a los pasajeros. Con la diversificación de los modos de transporte de pasajeros, la escala del flujo de pasajeros aumenta gradualmente, lo que plantea importantes retos al centro integral de transporte de pasajeros. Por lo tanto, es urgente resolver el problema de la alerta temprana y la respuesta al futuro flujo de pasajeros para evitar accidentes por congestión. En este artículo, se propone un modelo de predicción GRNN del flujo de pasajeros basado en el algoritmo de agrupación K-means, y se propone un índice mejorado denominado BWPs (Between-Within Proportion-Similarity) para mejorar el efecto de agrupación de K-means, de forma que se verifique el efecto de agrupación del nuevo índice. Además, se estudian los datos de flujo de pasajeros y se entrenan combinándolos con el modelo de red neuronal GRNN basado en la optimización de parámetros (GA); se obtiene el modelo de predicción de flujo de pasajeros. Por último, se ha tomado como ejemplo el flujo de pasajeros de la estación de ferrocarril de Chengdu Este, que se divide en 16 modelos, y se predice cada tipo de flujo de pasajeros, respectivamente. En comparación con el método tradicional, los resultados muestran que el modelo puede predecir el flujo de pasajeros con gran precisión.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:flujo de pasajeros, estación de ferrocarril de chengdu este, centro integral de transporte de pasajeros, modelo de predicción de flujo de pasajeros grnn, centro de distribución de flujo de pasajeros, modelo de predicción de flujo de pasajeros, flujo futuro de pasajeros, centro integrado de pasajeros, modelo de red neuronal, datos de flujo de pasajeros
• Keywords:passenger flow, chengdu east railway station, comprehensive passenger transport hub, passenger flow grnn prediction model, passenger flow distribution center, passenger flow prediction model, future passenger flow, integrated passenger hub, neural network model, passenger flow data