基于XGBoost的軌道交通短時客流預測精度分析

作者：孫曉黎,馬超群,朱才華

摘要：短時客流預測是軌道交通運營調度中的先導工作,其中短時預測的時效性尤為重要,預測中既要保證預測精度同時也要提升預測效率,提出基于集成學習的XGBoost算法進行軌道客流預測。以西安市地鐵二號線AFC刷卡數據為例,在數據預處理過程中發現特殊節假日、休息日及工作日具有不同的客流特征,在工作日客流波動更為劇烈,因此,采用工作日客流量進行驗證。將預測結果與BP神經網絡模型、ARMA模型進行對比,結果表明:XGBoost算法具有更高的預測精度,同時計算時間更短。研究結果可為制定軌道交通動態運營提供參考,同時,將機器學習運用到客流預測中也能增大預測方法的可選擇性。

發文機構：長安大學運輸工程學院

關鍵詞：軌道交通客流預測XGBoost算法BP神經網絡ARMA模型rail transitpassenger forecastingXGBoost algorithmBP neural networkARMA model

分類號： U491.14[交通運輸工程—交通運輸規劃與管理]