基于stacking组合模型的轨道交通换乘站短期客流预测

摘要

轨道交通换乘站的进出站客流相对于一般的中间站影响因素更加复杂,具有更加显著的随机性和波动性.本文针对5min小区间进出站客流,在有效提取客流时间特征基础上,提出了一种基于stacking组合模型的轨道交通短期客流预测方法(GGRK-MLR).该方法基于stacking算法,将梯度提升回归(GBR)、K近邻回归(KNN)、随机森林回归(RFR)作为初级训练模型,将多响应线性回归神经网络(MLR)作为次级训练模型.实验结果表明,组合模型相对单个模型预测精度更高,在客流曲线波动上有更好的拟合效果.