排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
掌握不同城市轨道交通车站的客流短时变化规律是应急措施制定、常规客流组织和列车开行的关键依据,研究主要探索预测方法对城市轨道交通短时客流预测精度的影响,以西安地铁2号线为例进行实例分析。基于车站的进出站客流属性,运用时间序列聚类方法将城市轨道交通车站划分为4类;运用极端梯度推进决策树(XGBoost)、BP神经网络和自回归滑动平均模型(ARMA)分别对各类车站的短时客流进行预测,并对比各类车站的客流预测结果。结果表明,西安地铁2号线的车站可以分为商业办公车站、密集型居住车站、轻型居住车站和旅游文化车站4类;4类车站客流预测精度最高的方法分别为XGBoost、ARMA、ARMA和BP神经网络;在预测时效方面,XGBoost展示了更大的优越性。研究结果可以对各类车站建立相适应的客流管控措施提供基础建议。 相似文献
1