第42卷第3期重庆交通大学学报(自然科学版)Vol．42No．32023年3月JOUＲNALOFCHONGQINGJIAOTONGUNIVEＲSITY(NATUＲALSCIENCE)Mar．2023DOI:10．3969/j．issn．1674-0696．2023．03．13基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究胡明伟1，2，3，何国庆1，吴雯琳1，赵千1，2，3(1．深圳大学土木与交通工程学院，广东深圳518060;2．滨海城市韧性基础设施教育部重点实验室(深圳大学)，广东深圳518060;3．深圳大学未来地下城市研究院，广东深圳518060)摘要:地铁客流的变化规律存在着一定周期性和潮汐性，针对地铁客流的预测有助于提高城市轨道系统的运营效率，实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度，提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群，再利用改进后的麻雀算法优化BP神经网络，达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例，利用构建的预测模型开展客流预测实验，并通过3种准确性评价指标(MAE、ＲMSE、MAPE)，评价改进前后模型预测的准确性。研究结果表明:改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14．96%和13．73%;与传统BP预测模型相比，其客流预测结果具有更高的准确性。关键词:交通工程;地铁;短时客流预测;Logistic混沌映射;麻雀算法;BP神经网络中图分类号:U491文献标志码:A文章编号:1674-0696(2023)03-090-08SubwayShort-TermPassengerFlowForecastBasedonImprovedLogistic-SSA-BPNeuralNetworkHUMingwei1，2，3，HEGuoqing1，WUWenlin1，ZHAOQian1，2，3(1．CollegeofCivilandTransportationEngineering，ShenzhenUniversity，Shenzhen518060，Guangdong，China;2．KeyLaboratoryofCoastalUrbanＲesilientInfrastructures(ShenzhenUniversity)，MinistryofEducation，Shenzhen518060，Guangdong，China;3．UndergroundPolisAcademyofShenzhenUniversity，Shenzhen518060，Guangdong，China)Abstract:Thechangerulesofpassengerflowofsubwayhavecertainperiodicandtidalcharacteristics．Predictingsubwaypassengerflowcanhelpimprovetheoperationalefficiencyofurbanrailsystemsandachieveintelligentoperationofrailtransit．Toimprovetheaccuracyofshort-termsubwaypassengerflowpredictionresults，ashort-termpredictionmodelofsubwaypassen...
