随为应对广州地铁 3 号线因客流激增引发的拥堵问题，本研究针对传统 BP 神经网络预测精度不足的缺陷，提出
融合思维进化算法（MEA）的优化模型（MEA-BP）。通过整合历史客流、天气及日期等多源数据构建基准模型，结合
MEA 的趋同 - 异化机制动态优化网络权值与阈值。实验表明：优化后模型的平均绝对误差降至 0.38 万人（降幅 58%），
平均相对误差由 8.5% 优化至 3.6%，峰值误差收敛至 4.6%，精准捕捉节假日、突发事件等复杂场景下的客流波动。该模型
可为地铁运营部门提供高精度预测支持，优化运力调度并缓解高峰期拥堵，为城市轨道交通智能化管理提供了创新算法框架。
