基于 MEA-BP 神经网络融合多源数据的地铁客流预测

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/emt.v7i3.19803

基于 MEA-BP 神经网络融合多源数据的地铁客流预测

李丙章, 余海兵, 李世中, 陈佳杭, 张冰雨*

西藏大学工学院

全文直达

引用

打印

摘要：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。

关键词：

地铁客流预测；BP 神经网络；思维进化算法（MEA-BP）；预测精度

Academic Publishing Pte Ltd

ISSN：2705-1021

年,卷(期)：2025,7(3)