Resumen

La predicción del flujo de pasajeros de entrada y salida de las estaciones de transporte ferroviario es uno de los principales focos de investigación en el ámbito del transporte inteligente. Basándose en los grandes datos de la tarjeta IC de transporte ferroviario (tarjeta de transporte público), este artículo analiza los datos de los principales factores dinámicos que influyen en el flujo de pasajeros de entrada y salida de las estaciones de transporte ferroviario: datos meteorológicos, datos de temperatura atmosférica, datos de vacaciones y festivales, datos de índice de suelo y datos de carreteras elevadas, y calcula el flujo diario de pasajeros de entrada y el flujo diario de pasajeros de salida de las estaciones de transporte ferroviario individuales con reducción de datos. Además, basándose en los datos históricos del flujo de pasajeros de las estaciones de tránsito ferroviario y los factores de influencia relevantes, aplica el método de aprendizaje profundo para elegir el nodo relativamente óptimo de la capa oculta mediante el método de corte e intento, configura los datos de entrada y los datos etiquetados, selecciona la función de activación y la función de pérdida, y utiliza el algoritmo de optimización de descenso de gradiente de Adam para la convergencia global iterativa. Los resultados verifican que este método predice con precisión el flujo diario de pasajeros de entrada y el flujo diario de pasajeros de salida de las estaciones de tránsito ferroviario con un error de predicción inferior al 4,1%. Por último, el modelo propuesto se compara con el modelo de regresión lineal.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:estaciones de tránsito ferroviario, flujo diario de pasajeros de entrada, flujo diario de pasajeros de salida, flujo de pasajeros de salida, algoritmo de optimización de descenso de gradiente de adam, estaciones individuales de tránsito ferroviario, tarjeta ic de tránsito ferroviario, tarjeta de transporte público, datos de temperatura atmosférica, método de aprendizaje profundo
• Keywords:rail transit stations, daily entrance passenger flow, daily exit passenger flow, exit passenger flow, adam gradient descent optimization algorithm, individual rail transit stations, rail transit ic card, public transportation card, atmospheric temperature data, deep learning method