原文传递
基于大数据的轨道交通短时客流预测研究
| 论文题名： | 基于大数据的轨道交通短时客流预测研究 |
| 关键词： | 轨道交通;短时客流预测;LSTM;小波去噪分析;k-means;层次聚类 |
| 摘要： | 由于城市轨道交通具有安全性高、节能环保性强、时间稳定性高等特点，因此随着城市规模的快速发展，人们会更倾向于轨道交通出行的方式，城市轨道交通的压力会越来越大，其中利用轨道交通短时客流预测可得知未来站点客流量，能为轨道交通运营管理提供各种参考的数据，从而减缓交通压力。本文主要是对苏州轨道交通进站短时客流量预测展开研究，研究内容主要包括： （1）轨道交通站点特征分析。首先通过数据库按照一定的规则对苏州轨道交通的AFC系统数据进行清洗。其次，利用清洗得到的数据提取出所需要的站点客流量数据，并将站点进站小时客流量以及小时系数作为变量，通过k-means聚类的方式将站点分为7种类型。最后根据各站点各周的客流量都存在一定规律的特点，利用某一周周一至周日的小时进站客流量将站点特征日聚类分为工作日与非工作日。 （2）确定模型预测效果。由于站点短时客流数据的波动性可能会导致轨道交通短时客流预测结果的误差较大，因此本文先选用小波去噪分析的方式先对数据进行处理，再结合LSTM模型对某一站点的进站短时客流进行预测，并与LSTM、ANN、SVR以及ARIMA预测模型进行对比，最后根据预测结果得出基于小波去噪分析的LSTM模型的预测精度与其他方法相比明显提升。 （3）确定模型的适用性。本文利用基于小波去噪分析的LSTM模型对各类型站点的进站短时客流分别进行预测，并与LSTM、ANN、SVR以及ARIMA模型的预测结果进行对比分析，最终得出基于小波去噪分析的LSTM模型对各类站点的短时客流预测效果最好，以此可判断出该模型对整个苏州轨道交通站点的短时客流预测都是适用的。 |
| 作者： | 张力文 |
| 专业： | 管理科学与工程 |
| 导师： | 赵庆亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京化工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
