Resumen

El objetivo principal de este estudio es predecir el flujo de pasajeros del metro a corto plazo utilizando la red neuronal híbrida de aprendizaje profundo espaciotemporal propuesta (red HSTDL). Los datos de flujo de pasajeros de metro se recogen de la línea 2 del sistema de metro de Nanjing para ilustrar el procedimiento de estudio. Se desarrolla un modelo híbrido de aprendizaje profundo espaciotemporal para predecir los flujos de pasajeros entrantes y salientes cada 10 minutos. Los resultados sugieren que la red HSTDL propuesta logra un mejor rendimiento de predicción en las estaciones suburbanas que en las urbanas, además de generar la mejor precisión de predicción en las estaciones de transferencia en términos del valor MAPE más bajo. Además, se realiza un análisis comparativo del rendimiento de la red HSTDL propuesta con otros métodos típicos, como ARIMA, MLP, CNN, LSTM y GBRT. Los resultados indican que, tanto para la predicción del flujo de pasajeros entrantes como salientes, la red HSTDL supera a todos los modelos comparados en tres tipos de estaciones. Los resultados sugieren que la red neuronal híbrida de aprendizaje profundo espaciotemporal propuesta puede descubrir de forma más eficaz y completa las correlaciones ocultas tanto espaciales como temporales entre estaciones para la predicción del flujo de pasajeros del metro a corto plazo. Los resultados de este estudio podrían proporcionar sugerencias perspicaces a las autoridades del sistema de metro para ajustar los planes de operación y mejorar la calidad del servicio de todo el sistema de metro.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:resultados, hstdl, red, red neuronal, modelo híbrido de aprendizaje profundo espaciotemporal, datos de flujo de pasajeros del metro, predicciones de flujo de pasajeros salientes, flujo de pasajeros del metro a plazo, predicción de flujo de pasajeros del metro a plazo, sistema de metro de nanjing
• Keywords:results, hstdl, net, neural network, hybrid spatiotemporal deep learning model, metro passenger flow data, outbound passenger flow predictions, term metro passenger flow, term metro passenger flow prediction, nanjing metro system