曲洪权 李 博 庞丽萍 梁思远

基于自回归LSTM神经网络的地铁车站环境参数概率预测

曲洪权1李 博1庞丽萍2梁思远1

（1.北方工业大学信息学院北京 100144；2.北京航空航天大学航空科学与工程学院北京 100191）

在地铁车站这种人员密集的场景中，预测未来一段时间内的环境参数变化对于列车正常运行和乘客安全有重要意义。和传统的点预测方法相比，提出了一种基于自回归循环LSTM网络的概率预测方法。不同于点预测，概率预测给出预测变量在下一时刻的概率密度函数，考虑了地铁车站环境参数预测的不确定性，对于站内提前、可靠对紧急情况做出反应有重要的意义。提出的预测模型，将预测变量的历史数据和车站外部环境参数作为输入变量来预测的环境参数的下一时刻的概率密度函数，进而得到下一时刻该环境参数的变化范围和分位数等信息。为了验证所提方法的准确性，收集了3个地铁站的环境参数数据，并使用概率预测方法进行了预测。结果显示，提出的方法不仅可以预测最可能的环境参数预测结果，而且可以预测极端情况的发生概率，对于预防紧急事故和决策有重要意义。

地铁车站；环境参数；概率预测；LSTM网络

0 引言

在城市地区，地铁是解决交通拥堵问题的最有效的公共交通方式之一，同时，乘客数量随着地铁的发展不断增加[1-3]。由于地铁车站大部分处于地下空间，通风条件差，污染物容易在站内沉淀，对旅客健康造成不良影响，例如NH3，VOCS，NO2等。……