杭州地铁客流特征分析与客流预测

论文摘要

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。

论文目录

• 0 引言
• 1 方法与数据
•   1.1 模型介绍
•   1.2 数据介绍
• 2 结果
•   2.1 客流特征分析
•   2.2 模型预测结果
• 3 结论

文章来源

类型: 期刊论文

作者: 张素洁,谢小园

关键词: 客流预测,机器学习,随机森林

来源: 价值工程 2019年19期

年度: 2019

分类: 经济与管理科学,工程科技Ⅱ辑

专业: 铁路运输

单位: 武汉铁路职业技术学院

分类号: U293.13

DOI: 10.14018/j.cnki.cn13-1085/n.2019.19.023

页码: 65-67

总页数: 3

文件大小: 1393K

下载量: 607