地铁站点短时客流变化规律分析及预测方法

摘要：

目的:地铁站点短时客流预测是地铁车站运营管理的重要组成部分之一,精准的客流预测结果可为地铁车站的运营计划提供数据支撑,需对地铁站点短时客流的预测方法进行系统、深入的研究.方法:以地铁南京南站(四线换乘站)为例,分析了该站点短时客流的变化规律,发现其在一周内存在3种日客流发展模式.基于此,使用STL(时间序列分解)算法和EMD(经验模态分解)算法对该站的原始进站客流进行双层分解,结合BiLSTM(双向长短期记忆网络)构建了该站的客流预测组合模型.将该组合模型的客流预测流程细分为3个阶段,选取合适的参数值,对输出的预测结果进行对比分析.最后对不同时间粒度的客流统计间隔进行试验,以验证客流统计间隔和模型预测效果的关系.结果及结论:STL-EMD-BiLSTM组合模型在3类日客流发展模式下的平均绝对百分比误差分别为5.0％、6.3％、6.3％.与其余5种预测模型相比,STL-EMD-BiLSTM组合模型的均方根误差、平均绝对误差和平均绝对百分比误差均为最优,这说明该组合模型的有效性和准确性.客流统计间隔增加,模型的预测效果随之提升.

关键词：地铁、短时客流、变化规律、双层分解、组合模型

所属期刊栏目：26

分类号：X522;U416.1+68;U231.92

资助基金：国家重点研发计划2020YFB1600700

在线出版日期：2023-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42