地铁车站客流预测方法比较研究

作     者：余伟之 夏三县 篮杰 刘军 勾宇鹏 何大四 王亚勇 白晓燕 YU Weizhi;XIA Sanxian;LAN Jie;LIU Jun;GOU Yupeng;HE Dasi;WANG Yayong;BAI Xiaoyan

作者机构：中铁第四勘察设计院集团有限公司湖北武汉460063 郑州地铁集团有限公司河南郑州450001 中原工学院河南郑州450001 

出 版 物：《智慧轨道交通》 (SMART RAIL TRANSIT)

年 卷 期：2024年第61卷第4期

页      码：98-103页

摘      要：为了更加合理地进行地铁车辆调度和制定人员配置方案,并在满足人们出行需求的基础上实现资源利用最大化,对地铁客流量进行准确地短时预测是非常必要的,同时客流预测对地铁站厅空调系统的运行调节也具有重要作用。文章通过对郑州某地铁车站2014年6—7月的进站小时客流量数据进行统计分析,构建季节性差分自回归滑动平均(SARIMA)模型、非线性自回归神经网络(NAR)模型和长短期记忆网络(LSTM)模型,用统计数据进行模型训练并实施预测。通过在工作日客流预测中,发现LSTM模型在MAE、RMSE和R2上均优于其他模型,拟合系数R2达到0.9814,MAE为55.84,均方根误差为88.56;在非工作日客流预测中,LSTM模型同样表现出最好的效果,R2达到0.9817;SARIMA模型精度接近LSTM模型。这说明在对具有明显周期性数据预测时,无论是经典的时间序列方法还是先进的深度学习方法预测结果都很好,传统的神经网络因为无法捕捉周期性所以预测效果较差,预测精度相对较低。

主 题 词：地铁车站 客流 SARIMA模型 NAR神经网络 长短期记忆网络模型 短时预测 

学科分类：08[工学] 082303[082303] 0823[工学-农业工程类] 

D　O　I：10.3969/j.issn.2097-0366.2024.04.018

馆 藏 号：203128768...