基于误差融合模型的地铁车站客流监测方法研究

摘要：

针对城市轨道交通拥堵问题和智慧地铁发展要求,提出了一种基于误差融合的城市轨道交通短时客流预测模型.采用灰色关联分析方法对客流关键影响因素进行识别,基于线性回归模型对车站客流进行预测,并进一步利用神经网络模型对预测误差进行修正,以广州地铁十八号线某站的进、出站客流数据为例进行案例研究.研究结果表明:与传统统计模型及单一的神经网络模型对比,基于误差融合的短时客流预测模型均方根误差分别降低了 38.0％与29.6％,平均绝对误差分别降低了 46.4％与35.1％,证明了该模型在短时客流预测方面的准确性、可靠性,为地铁车站客流监控提供了技术支撑.

关键词：城市轨道交通、短时客流预测、误差融合模型、灰色关联分析、神经网络

所属期刊栏目：45

分类号：U293.1+3(铁路运输管理工程)

资助基金：广州市科技计划项目202011020003

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-129