基于stacking组合模型的轨道交通换乘站短期客流预测  

Short-term Passenger Flow Forecast of Rail Transit Interchange Station Based on Stacking Combination Model

作　　者：池贤昭 陈鹏[1] 祝佳莉 耿小情 CHI Xian-zhao;CHEN Peng;ZHU Jia-li;GENG Xiao-qing

机构地区：[1]武汉理工大学交通学院,湖北武汉430063

出　　处：《工程与建设》2020年第3期407-411,共5页Engineering and Construction

摘　　要：轨道交通换乘站的进出站客流相对于一般的中间站影响因素更加复杂,具有更加显著的随机性和波动性。本文针对5min小区间进出站客流,在有效提取客流时间特征基础上,提出了一种基于stacking组合模型的轨道交通短期客流预测方法(GGRK-MLR)。该方法基于stacking算法,将梯度提升回归(GBR)、K近邻回归(KNN)、随机森林回归(RFR)作为初级训练模型,将多响应线性回归神经网络(MLR)作为次级训练模型。实验结果表明,组合模型相对单个模型预测精度更高,在客流曲线波动上有更好的拟合效果。

关 键 词：轨道交通 客流预测 组合模型 stacking算法 

分 类 号：U293.13[交通运输工程—交通运输规划与管理]