10.3969/j.issn.1002-0268.2023.05.031
疫情防控措施影响下的春运客运量预测方法研究
针对春运期间的大客流集中出行场景,精准的客流量预测对于交通运输行业管理部门科学研判客流趋势特点和做好疫情防控工作具有重要意义.以历年春运期间铁路、道路、水运、航空多方式客流量数据为基础,结合手机信令数据的人口出行规律监测数据,充分挖掘了历史数据的动态变化规律,提取了节假日、非节假日、疫情防控措施对客流量的影响,并进行了相应的特征标签标记,基于LSTM算法构建了全国各运输方式日客流量预测模型.综合考虑学生、农民工等典型出行群体春节前返乡、春节后返程等时空分布规律特征,采用"15+25"拼接组合的方式提出了在疫情常态化防控措施影响下的各方式春运客流量双层平行长短期记忆神经网络预测方法.以 2022 年春运40d 全国客流量为例,分别从春运日客运量和春运客运总量 2 个角度进行分析,对本方法进行了试算,并与岭回归(RR)模型、支持向量机(SVM)模型、门循环单元(GRU)模型 3 种常见预测模型的预测结果进行了对比.结果表明:双层平行长短期记忆神经网络预测方法对春运日客运量预测的平均绝对百分比误差在 7%~17%之内,对春运客运总量预测的平均绝对百分比误差在 7%以内.模型精度高于其他预测模型,对研究分析重大公共突发事件下的客流量预测具有借鉴意义.
运输经济、客运量预测、深度学习、长短期记忆神经网络、时间序列
40
U293.13(铁路运输管理工程)
2023-07-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
237-246