基于ARIMA和LSTM的城市轨道交通客流量预测

摘要：

客流量预测是城市轨道交通网络研究的重要内容.在对地铁车站客流数据处理的基础上,建立了基于自回归移动平均模型(ARIMA)和长短期记忆(LSTM)的城市轨道交通客流预测模型,并比较了不同时间间隔下两种预测方法的准确率.结果表明,从时间粒度上看,ARIMA方法的日客流数据均方根误差比LSTM方法更小,预测效果更好;对于分时客流,结合ARIMA和LSTM可以提高准确率.研究可为客流管理、票价制定、列车组织安排等提供技术支持.

关键词：时间序列数据、城市轨道交通、ARIMA LSTM、分时客流量、日客流量

分类号：F572.88(城市交通运输经济)

在线出版日期：2022-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：165-168