摘要
本发明涉及轨道交通客流分析技术领域,尤其涉及一种基于多尺度卷积的轨道交通短时客流预测方法、设备及存储介质。通过历史时间序列客流数据、站点网络拓扑数据与外部环境数据等构成多源数据集,并提取融合特征数据;利用多尺度卷积模块提取客流的多尺度时间特性,结合残差连接保留底层信息;通过改进的残差图卷积网络建模站点间的空间依赖关系,缓解深层网络的过平滑问题;采用注意力机制动态融合时空特征与外部环境特征,并通过长短时记忆网络生成预测结果。本发明显著提升了客流预测精度与模型鲁棒性,可适应复杂外部环境变化,为轨道交通调度管理提供高可靠性的决策支持。
技术关键词
短时客流预测方法
网络拓扑数据
多尺度
城市轨道交通网络
融合特征
站点
卷积神经网络模块
网络拓扑特征
客流特征
拥堵指数
特征提取模块
矩阵
轨道交通客流
周期
融合时空特征
序列
特征加权融合
拉普拉斯