原文传递
基于机器学习的铁路短期客流预测方法优化研究
| 论文题名： | 基于机器学习的铁路短期客流预测方法优化研究 |
| 关键词： | 铁路客运部门;短期客流预测;机器学习;分类算法 |
| 摘要： | 客流预测是铁路客运部门的重要工作内容之一，尤其是在当前铁路运能快速增长、供需对比发生变化、铁路企业市场化改革的背景下，其重要性更加显著。从宏观层面看，中长期客流预测对铁路基础设施的建设、路网的规划、铁路客运产品的设计等有着重要的参考价值;从微观层面看，短期客流预测对帮助铁路部门优化售票组织策略、提高铁路客运能力利用率、提升铁路运输企业经营效益等，都具有重要意义。 在此背景下，人们围绕铁路客流预测开展了大量研究并提出了众多预测方法，但是不同的预测方法各有各的适用场景，没有一种预测方法对所有预测场景都能适用，并且预测方法里往往含有各种参数，参数值的不同对预测效果也会产生较大影响。因此，如何在给定预测场景时选出预测效果相对最好的预测方法及参数，是一个值得研究的问题。 为此，本文以铁路历史售票数据为基础，开展精确到具体的出发日期、车次、OD、席别的短期客流预测，并对五种模型在不同场景中的预测效果进行对比，分析其影响因素，通过提取预测场景中的特征信息及其与预测效果之间的联系，提出了利用机器学习进行预测模型优化选择的思路，构建并实现了基于机器学习的分类算法，以帮助铁路业务部门在不同的预测场景下选择相对最优的预测方法，改进预测效果。 |
| 作者： | 操玮 |
| 专业： | 交通运输工程 |
| 导师： | 马敏书 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
