杭州地铁客流特征分析与客流预测
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.
客流预测、机器学习、随机森林、lightgbm
38
U231+.92(特种铁路)
2019-08-12(万方平台首次上网日期,不代表论文的发表时间)
共3页
65-67