文章详情

摘要

首先，文章分析了城市轨道交通客运量的规律与趋势，并选用自回归滑动平均（ARMA）模型对客运量进行预测。其次，针对ARMA模型对未来三天以上客运量预测准确性降低的问题，采用滚动预测方法进行优化。最后，针对ARMA滚动预测对客运量变化转折点预测性能不足的问题，分析影响客运量变化的相关因素，并采用回归分析方法进行修正。结果显示，ARMA滚动预测结合回归修正的组合方法，相较于单纯的ARMA方法，不仅保留了对未来三天以上客运量预测性能的优化，还能捕捉外部因素对客运量变化的影响，提高了客流预测的准确性。

关键词

客流预测；城市轨道交通；时间序列；回归分析

参考文献

1. [1] 赵鹏，李璐.基于ARIMA模型的城市轨道交通进站量预测研究 [J].重庆交通大学学报：自然科学版，2020，39（1）：40-44.
2. [2] 倪杰，于莉，靳笑楠.基于ARIMA模型的城市轨道交通客流预测及研究 [J].智能计算机与应用，2021，11（4）：135-138.
3. [3] 杨军，侯忠生.基于小波分析的最小二乘支持向量机轨道交通客流预测方法 [J].中国铁道科学，2013，34（3）：122-127.
4. [4] 许文星，章玉.基于随机森林算法的轨道站点短期客流预测 [J].武汉理工大学学报：交通科学与工程版，2022，46（3）：406-410.
5. [5] 路倩，王亚飞，杨玲，等.基于等维信息灰色马尔科夫的地铁客流量预测 [J].中国安全生产科学技术，2021，17（1）：54-60.
6. [6] LIU Y，LIU Z，JIA R. DeepPF: A Deep Learning based Architecture for Metro Passenger Flow Prediction [J].Transportation Research Part C: Emerging Technologies，2019（1）：18-34.
7. [7] 四兵锋，何九冉，任华玲，等.基于时序特征的城市轨道交通客流预测 [J].北京交通大学学报：自然科学版，2014，38（3）：1-6.
8. [8] 傅晨琳，黄敏，沙志仁.基于EEMD-BP方法的城市轨道交通进站客流短期预测 [J].铁道运输与经济，2020，42（3）：105-111.
9. [9] 蔡昌俊.城市轨道交通进出站短时客流预测模型研究 [J].城市轨道交通研究，2021，924（9）：14-19+24.
10. [10] 杨良，闫铭.深圳市轨道交通客流预测的新探索 [J].都市快轨交通，2018，301（5）：54-59+75.
11. [11] 陈彦莉，沙玉五，朱小林，等.基于时间序列分析的上海地铁16号线客流预测 [J].运筹与模糊学，2016，6（1）：15-26.
12. [12] 董艺.轨道交通短时客流分析与预测 [J].运输经理世界，2022，3（22）：74-76.
13. [13] 王夏秋，张宁，王健.基于季节指数的城市轨道交通月度客流预测方法 [J].城市轨道交通研究，2018，21（10）：25-28.
14. [14] 张志亚.南宁市城市轨道交通线网规划研究 [J].甘肃科技，2009，25（10）：93-96.
15. [15] 王茁，张文博，王义智.城市轨道交通客流预测的BP神经网络分析与实现 [J].交通与运输，2018，34（5）：53-55.
16. [16] 梁萌.基于数据拟合的城市轨道交通客流量时间序列模型优化分析 [J].自动化技术与应用，2021，40（11）：183-186.
17. [17] 崔俊富，陈金伟，崔伟.残差在线性回归分析中的作用研究 [J].牡丹江大学学报，2020，29（10）：84-88.
18. [18] 何晓群.应用回归分析（R语言版） [M].北京：电子工业出版社，2017：72-91

作者简介

廖桂妤（1992—），女，壮族，广西柳州人，工程师，硕士研究生，研究方向：数据分析及挖掘、商业智能。