考虑线网结构的LightGBM轨道交通短时客流预测模型

摘要：

考虑空间维度特征对利用监督学习预测轨道交通短时客流量的影响,提出结合复杂网络与机器学习理论挖掘车站层面的客流分布规律.通过对原始数据分析,实现对线网结构特征、时间维度特征及数据集的构建,建立基于LightGBM算法的轨道交通短时客流预测模型,并对模型参数进行标定,采用模型评估和特征重要性分析等方法,对模型结果进行分析,对比LightGBM预测模型与XGBoost、随机森林、CatBoost 和MLP模型的预测效果.结果表明:考虑线网结构下的LightGBM模型在评估指标MAE,MAPE上表现最优,MAPE最小为13.65％,训练速度较其他模型最多提升至25倍,表现出较强的预测性能.

关键词：复杂网络;机器学习;LightGBM;轨道交通;客流预测

所属期刊栏目：43

分类号：U293.13(铁路运输管理工程)

资助基金：上海市人民政府专项课题2015-Z-D16-B

在线出版日期：2021-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：109-117