一种基于客流特征分析的地铁短时进站客流预测方法

摘要

本发明公开的属于客流预测技术领域，具体为一种基于客流特征分析的地铁短时进站客流预测方法，以成都市地铁AFC数据为数据来源，选取5分钟为时间粒度，基于随机森林、支持向量机回归、神经网络等模型，对地铁进站客流进行了短期预测和模型对比分析。通过分析站点的客流特征，将轨道交通站点按客流特征分成住宅区型、商业区型、商务区型、枢纽型四类，并选取各类型站点在工作日和周末场景下进行三种模型的训练。以平均绝对百分误差(MAPE)与均方根误差(RMSE)为评价指标，对模型预测效果的准确性和稳定性进行评价。预测结果表明，BP神经网络预测结果综合表现最优，随机森林对于周期性较强的住宅区型站点预测精度较好。