一种基于乘客出行多维特征的共享巴士站点客流预测方法

摘要

本发明公开了一种基于共享巴士数据的站点乘客流预测方法，首先对共享巴士数据进行预处理，然后基于共享巴士行车规律对数据进行时间划分，之后根据预测目标的特点，从时间划分后的数据中提取出预测的多维特征，包括时间特征、周次特征、位置特征、历史流量特征和时间间隔特征，随后利用上述特征对机器学习模型XGBoost进行训练，得到预测模型，最后基于预测模型，得到站点乘客流预测结果，并对预测结果进行展示和评估。本发明能够利用机器学习算法对共享巴士站点客流量进行精准地预测，特别针对于“最后一公里”问题中从居民区到其附近地铁站的细分场景，为优化共享巴士运营提供建设性意见，具有可行性强、准确率高、稳定性强的特点。