（重庆交通大学交通运输学院，重庆 400041）

客流预测是衡量建设项目经济成本及影响未来规划的一个重要指标[1]，更是城市轨道相关部门展开各项管理工作的基础与依据。对于客流预测的方法、算法，主要有四阶段法、时间序列法、非线性自回归模型[2]、神经网络等。例如，孟品超等[3]利用滑动平均法预测城市轨道交通客流，认为精度及运算速度较高；杨静等[4]提出小波和自回归组合预测模型，并得出组合模型预测精度远高于单一模型；梁强升[5]结合数据驱动和图卷积神经网络进行客流预测，分析客流的时空交互关系；也有学者运用GM灰色模型[6]、卷积长短记忆神经网络[7]、支持向量机等模型。

城市轨道线路增多，多个行程时间缩短，线网的出行效率大幅提高，线路的客流情况是否与营运预期值相符，是否与运营组织计划匹配，客流预测在轨道运营管理中至关重要。本文对客流的周期时序特性进行分析，考虑其波动规律，并通过SOM网络和RBF神经网络模型结合的方式进行预测，模型适应性好。

1 基于SOFM的神经网络预测

1.1 SOFM网络

SOFM即自组织特征映射聚类，由输入层和竞争层组成的两层网络，两层之间神经元相互连接，模拟生物神经元的信息处理的动力学原理来进行网络的学习，接收外部信息输入层即刻传递信息，通过在输入空间的分组方式对输入模式进行分析比较归类，相邻神经元会学习识别输入的相邻部分。其重点是输入后计算权值向量和输入向量的欧式距离并定义胜利神经元邻域。……