基于图卷积循环神经网络的城市轨道客流预测

客流预测对城市轨道交通的运营组织和管理具有重要意义。本文将图卷积网络和循环神经网络相结合，建立了图卷积递归神经网络GCGRU模型。借助于图卷积网络，学习城市轨道交通网络的复杂拓扑结构，进而获取空间相关特征。利用循环神经网络的变异门循环单元学习多特征客流的趋势变化规律，从而捕捉时间特征。实验结果表明，在大规模城市轨道交通客流预测中，GCGRU能够很好地捕捉到城市轨道交通客流的时空相关性，具有良好的预测效果，预测准确率为89%。该模型的预测结果可以为管理者管理和组织轨道交通客流提供依据，为乘客提供公交拥堵的预警信息，保证城市轨道交通网络的安全高效运行。