نموذج توقع تدفق الركاب في مترو الأنفاق قائم على الشبكات العصبية المتكررة

يمكن لنموذج توقع تدفق الركاب في محطة المترو أن يتنبأ بحجم الركاب في المستقبل. يساعد هذا النموذج في تنفيذ تحذيرات السلامة وإخلاء تدفق الركاب مسبقًا. استنادًا إلى بيانات بطاقة المرور في شنغهاي، تم تقسيم حجم الركاب في جميع فترات الزمن إلى ثلاثة نماذج مختلفة للتوقع. باستخدام محطة طريق نانجينغ الشرقي في شنغهاي كمثال، تم دمج السلاسل الزمنية لحجم الركاب مع بيانات الطقس لإنشاء عدة تسلسلات خاضعة للإشراف وتحويلها إلى تسلسلات خاضعة للإشراف وفقًا لقيم مختلفة للخطوة الزمنية. لتسريع التقارب، تم إضافة ميزتين اصطناعيتين كمدخلات. تحقق نموذج شبكة الوحدة المتكررة المغلقة (GRU) توقعات دقيقة من 15 دقيقة إلى 6 ساعات. أخيرًا، بالمقارنة مع شبكة الذاكرة طويلة وقصيرة المدى (LSTM) والشبكة ذات الانتشار العكسي (BPN)، تم التأكيد على أن شبكة GRU ذات الخطوة الزمنية 1.5 ساعة هي أفضل نموذج لتوقع تدفق المرور طويل المدى (أكثر من 3 ساعات)، بينما تمتلك GRU ذات الخطوة الزمنية 45 دقيقة أفضل نتيجة لتوقعات التدفق القصيرة المدى.