基于车站仿真和LSTM的轨道交通换乘站动态性能评估方法

在轨道交通客流量快速增长的背景下，为有效评估换乘车站运营过程中动态性能，提出基于机器学习的换乘站动态性能评估方法。基于提出的有效换乘人数、换乘时间和拥挤度的动态性能评价指标，深入分析了车站动态性能的影响因素，利用考虑行车与行人的换乘车站仿真模型提供机器学习所需的时间序列数据，采用长短期记忆(long short-term memory,LSTM)的机器学习方法，建立评价指标的预测获取方法，动态获取车站在不同条件下的运营状况。以犀浦站为例，运用仿真模型构建的2.24万个样本来训练预测模型。预测结果证明了预测模型的精度，并量化了购票比例对车站动态性能的影响。所提方法能够为轨道交通换乘车站换乘组织和客运作业提供有效建议。