城市軌道交通進站客流量短時組合預測模型

李得偉， 顏藝星， 曾險峰

(1. 北京交通大學軌道交通控制與安全國家重點實驗室， 北京 100044; 2. 廣州鐵路職業技術學院， 廣州 510430)

城市軌道交通進站客流量短時組合預測模型

李得偉1， 顏藝星1， 曾險峰2

(1. 北京交通大學軌道交通控制與安全國家重點實驗室， 北京 100044; 2. 廣州鐵路職業技術學院， 廣州 510430)

高精度的短時進站客流量預測對城市軌道交通日常客流組織具有重要意義，利用客流預測結果在事前實施限流、疏導等措施，較事后控制更及時、先進。通過采集15 min間隔的地鐵進站客流數據，利用上周同期進站量、本日上一時段進站量以及高峰和非高峰時段參數作為輸入變量，嘗試分別采用加權歷史平均自回歸模型、ARIMA模型及小波神經網絡模型進行短時預測，以獲得精度最高的模型。在此基礎上，進行三種方法組合預測，探究組合預測效果。通過案例分析，發現當考慮時段因素時，小波神經網絡預測精度最高，為91.05%；ARIMA模型誤差結構最好。當采用所提出的組合預測模型后，預測精度指標較獨立預測模型均有提升，但誤差結構沒有得到改善。研究表明,所提組合預測模型可以有效地應用于城市軌道交通進站客流的短時預測中。

城市軌道交通； 進站客流量； 短時預測模型； 組合預測

城市軌道交通已成為許多大城市公共交通體系中的重要部分。為有效控制運營成本、提高運輸效率，根據客流在短時間內的波動，動態調整運輸組織方案已成為城市軌道交通運營管理重要的發展方向，城市軌道交通進站客流量短時預測是其中的基礎核心問題。……