我国是一个人口大国,因此最为严重的且最易发生的就是因人群拥挤所产生的踩踏事故问题。本文为解决此类问题,以北京市恭王府景区为例,探索一种应用神经网络对园区内人数进行实时预测的方法,使得景区管理者可以清楚的了解园区内拥挤情况,以便预先进行安全管控,避免事故的发生。景区内游客分布规律性较差,线性拟合效果一般,因此本文采用了对于非线性问题有着极强拟合能力的神经网络作为解决方法。首先叙述了原始数据的收集过程以及原始数据收集后的数据整理,从相关性分析法及MIV变量寻优法两种方法综合入手,对原始数据进行筛选的过程。其次从解决恭王府实时游客人数预测的实际问题着手,建立了Elman神经网络模型和GA-Elman神经网络模型,并对模型进行结构优化、参数调整,对建立好的模型进行训练,并使用训练好的模型对实际问题进行预测,两种网络结构的误差分别为4.58%和2.41%。达到了较好效果。最后综合比较了两种神经网络模型的预测性能,选择收敛速度更快,精确度更高的GA-Elman神经网络作为最终模型。最后,本文从最大瞬时容量和安全心理容量入手,分别对恭王府进行测算,基于这两种容量结合前文中的人数预测提出了针对恭王府景区的安全分级管控的措施,并通过神经网络进行管控后的人数模拟,发现通过预测园区内实时人数的变化有助于在人数增长初期对进入游客数量进行管理,可使得园区内游客数量得到较好控制,有效避免人群拥挤导致事故发生。