| 杭州地铁客流特征分析与客流预测 |
| |
| 引用本文： | 张素洁,谢小园.杭州地铁客流特征分析与客流预测[J].价值工程,2019,38(19):65-67. |
| |
| 作者姓名： | 张素洁 谢小园 |
| |
| 作者单位： | 武汉铁路职业技术学院,武汉,430012;武汉铁路职业技术学院,武汉,430012 |
| |
| 摘 要： | 通过对杭州地铁2019年1月1日到2019年1月25日的地铁刷卡数据进行分析,根据进出站高峰小时系数和站点位置将80个站点分为居住、工作、交通场站和混合类型四类。不同类型的车站早高峰晚高峰进出站高峰小时系数均不相同。对不同地铁线路的换乘量进行分析发现3号线换乘量比例最高,占其出站人数的77.7%。使用机器学习方法(随机森林和lightgbm)对不同站点每小时的进出站人数进行预测,平均相对误差均值为9.0%。表现出较强的可预测性。
|
| 关 键 词： | 客流预测 机器学习 随机森林 lightgbm |
Analysis and Forecast of Passenger Flow in Hangzhou Metro |
| |
| ZHANG Su-jie,XIE Xiao-yuan.Analysis and Forecast of Passenger Flow in Hangzhou Metro[J].Value Engineering,2019,38(19):65-67. |
| |
| Authors: | ZHANG Su-jie XIE Xiao-yuan |
| |
| Institution: | (Wuhan Railway Vocational College of Technology,Wuhan 430012,China) |
| |
| Abstract: | ZHANG Su-jie;XIE Xiao-yuan(Wuhan Railway Vocational College of Technology,Wuhan 430012,China) |
| |
| Keywords: | passenger flow prediction machine learning randomforest lightgbm |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
