多因素轨道交通客流量预测模型研究

针对传统预测模型只关注时间因素的不足,提出一种引入天气因素同时考虑日期属性的预测模型。首先通过显著性检验确定天气因素与客流量的相关程度,再采用灰色关联度分析(GRA)计算各天气因素与客流量的非线性关联度,逐步筛选关联度低的天气因素。每次筛选后利用双向长短期记忆(BiLSTM)神经网络进行预测,提出GRA-BiLSTM预测模型。结果表明:将GRA值低于0.6的天气因素作为变量会降低预测精度,逐步剔除关联度低的天气因素获得的GRA-BiLSTM相较于传统LSTM,无论工作日还是非工作日,预测误差均显著降低,同时收敛速度与鲁棒性也优于传统机器学习。