原文传递
基于XGBoost算法的大型活动期间轨道进出站量预测
| 题名： | 基于XGBoost算法的大型活动期间轨道进出站量预测 |
| 正文语种： | 中文 |
| 作者： | 付宇;翁剑成;钱慧敏;蒋锦港 |
| 作者单位： | 北京工业大学交通工程北京市重点实验室;武汉理工大学交通学院 |
| 关键词： | 城市交通;短期客流预测;极端梯度提升;轨道站点客流;精度验证 |
| 摘要： | 大型活动期间周边轨道站点进出量的精准预测是城市轨道交通管理与运营部门制定运输组织计划的重要依据,也是实现活动期间交通保障的关键。有别于传统的中长期预测方法,文中针对分钟级别的站点客流展开预测研究.在分析大型活动开展前后城市轨道站点客流集散特征的基础上,提出包含日期、时段、天气、规模、活动时间等因素的多维度影响因素集;以海量刷卡数据和丰富的活动数据为基础,构建了基于极端梯度推进决策树的轨道站点预测模型;应用最优模型进行实例验证.结果表明:模型预测精度可达91%以上. |
| 期刊名称： | 武汉理工大学学报（交通科学与工程版） |
| 出版年： | 2020 |
| 期： | 05 |
| 页码： | 832-836 |
检索历史
应用推荐
