| 基于XGBoost的轨道交通短时客流预测精度分析 |
| |
| 引用本文： | 孙晓黎,马超群,朱才华.基于XGBoost的轨道交通短时客流预测精度分析[J].交通科技与经济,2021,23(1):54-58. |
| |
| 作者姓名： | 孙晓黎 马超群 朱才华 |
| |
| 作者单位： | 长安大学 运输工程学院,陕西 西安 710064;长安大学 运输工程学院,陕西 西安 710064;长安大学 运输工程学院,陕西 西安 710064 |
| |
| 基金项目： | 国家自然科学基金资助项目;住房和城乡建设部科学技术计划项目 |
| |
| 摘 要： | 短时客流预测是轨道交通运营调度中的先导工作,其中短时预测的时效性尤为重要,预测中既要保证预测精度同时也要提升预测效率,提出基于集成学习的XGBoost算法进行轨道客流预测.以西安市地铁二号线AFC刷卡数据为例,在数据预处理过程中发现特殊节假日、休息日及工作日具有不同的客流特征,在工作日客流波动更为剧烈,因此,采用工作日客流量进行验证.将预测结果与BP神经网络模型、ARM A模型进行对比,结果表明:XG-Boost算法具有更高的预测精度,同时计算时间更短.研究结果可为制定轨道交通动态运营提供参考,同时,将机器学习运用到客流预测中也能增大预测方法的可选择性.
|
| 关 键 词： | 轨道交通 客流预测 XGBoost算法 BP神经网络 ARMA模型 |
XGBoost-based analysis of prediction accuracy for short-term passenger flow in rail transit |
| |
| SUN Xiaoli,MA Chaoqun,ZHU Caihua.XGBoost-based analysis of prediction accuracy for short-term passenger flow in rail transit[J].Technology & Economy in Areas of Communications,2021,23(1):54-58. |
| |
| Authors: | SUN Xiaoli MA Chaoqun ZHU Caihua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
