基于改进LSTM模型的铁路客运站客流预测研究

准确地预测旅客到达数量有助于缓解铁路客运站运营压力。为实现铁路客运站客流量预测,以铁路客站进站闸机数据为研究对象,分析不同时间维度下铁路客运站客流的时间分布特征,采用层次聚类算法和阈值聚类算法综合对客流量进行聚类分析。针对传统LSTM模型输入数据分割尺度较大导致网络层数深度不够的问题,构建了改进型LSTM客流预测模型。以北京西站实际客流数据进行方法验证,并将预测结果与其他传统预测模型进行比对分析。结果表明：改进LSTM客流模型有较好的预测结果,比其他传统预测模型预测精度高,预测指标中平均绝对误差(MAE)低10%。说明该方法能较好地刻画客流的时间相关性,深度挖掘客流变化的内在机理,预测性能有明显提升。     

深圳城际铁路客站绿色节能系统设计

城际铁路客站是乘客跨城出行的重要场所，绿色节能是现代化智能车站所要求的方向，而车站作为能源消耗大户亟需实现绿色节能。结合深圳城际铁路客站的建设和网络部署特点，对车站进行绿色节能需求分析，以设备能耗监测、智能照明、智能导向屏、设备设施运维、风水联动五大节能功能为研究点，利用节能测算公式计算节点量和节电率；提出深圳城际铁路客站绿色节能系统架构，包括设备感知层、网络传输层、中台层、业务应用层和展示层；在车站、线路中心、线网中心部署软硬件，实现数据流转、分析和存储，形成数据架构。该功能和架构构成的深圳城际铁路客站绿色节能系统以节能为目标，最终实现车站智能化，为城际铁路客站绿色节能系统设计研究提供借鉴。