后疫情时代基于XGBoost的铁路客运站客流量预测研究

摘要

进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要。文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证集,利用5折交叉验证和网格搜索(Grid Search)得到最优参数,并对上海站2020年7月28日—2021年5月17日的客流量进行预测,预测拟合度R;为0.812,总体预测效果较好。