Establecer un modelo de predicción de flujo de pasajeros de alta precisión es una tarea crítica y compleja para la optimización de los sistemas de tránsito ferroviario urbano. Con el desarrollo de la tecnología de inteligencia artificial, la tecnología basada en datos ha sido ampliamente estudiada en el sistema de transporte inteligente. En este estudio, se establece un modelo de red neuronal basado en la tecnología basada en datos para la predicción del flujo de pasajeros en múltiples estaciones de tránsito ferroviario urbano para permitir una percepción inteligente para optimizar el transporte ferroviario urbano. La integración de unidades de red con diferentes especialidades en el modelo propuesto permite a la red capturar datos de flujo de pasajeros, correlación temporal, correlación espacial y correlación espacio-temporal con el mecanismo de atención dual, mejorando aún más la precisión de la predicción. Se realizan experimentos basados en los datos reales de flujo de pasajeros de la Línea 13 del Metro de Beijing para comparar el rendimiento de predicción del modelo basado en datos propuesto con los otros modelos de referencia. Los resultados experimentales demuestran que el modelo de predicción propuesto logra un MAE y un RMSE más bajos en la predicción del flujo de pasajeros, y su curva ajustada se alinea más estrechamente con los datos reales de flujo de pasajeros. Esto demuestra el potencial práctico del modelo para mejorar la gestión del sistema de transporte inteligente a través de una predicción más precisa del flujo de pasajeros.