基于混合Transformer的对外客运枢纽抵站客流预测模型

摘要

本文综合考虑节假日、恶劣天气、疫情防控政策等因素影响，以2021年3月～2023年5月北京首都国际机场及2021年12月～2023年7月的7个高铁站点的抵站客流数据为基础，提出了一种融合卷积神经网络、长短期记忆网络的混合Transformer枢纽抵站客流预测模型，分析多因素影响下抵站客流规模的时变规律。结果表明，混合Transformer模型相比于传统机器学习和深度学习模型，具有更小的误差，对所有场站的客流预测准确率超过了80%，其中对6个场站客流的预测准确率在90%左右，证明该模型具有良好的适用性。

关键词

交通运输系统工程 / 对外客运枢纽 / 城际出行 / 客流预测 / 混合Transformer模型