-
题名考虑时空修正的轨道交通封站短时客流预测方法
被引量：8
- 1
-
-
作者
许心越
吴宇航
张英男
王雪琴
刘军
-
机构
北京交通大学轨道交通控制与安全国家重点实验室
武汉大学数学与统计学院
东南大学数学学院
-
出处
《交通运输工程学报》
EI
CSCD
北大核心
2021年第5期251-264,共14页
-
基金
国家自然科学基金项目(71871012)
北京市自然科学基金项目(9212014)
轨道交通控制与安全国家重点实验室自主研究课题(RCS2020ZT005)。
-
文摘
为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM);利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正;以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明:与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段;与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。
-
关键词
轨道交通
封站
短时客流预测
封站范围识别
动态因子模型
客流时空修正
-
Keywords
rail transit
station closure
short-term passenger flow forecasting
range identification under station closure
dynamic factor model
passenger flow spatio-temporal modification
-
分类号
U293.13
[交通运输工程—交通运输规划与管理]
-
