基于Stacking集成学习的轨道交通短时客流量预测研究  

作　　者：王菊娇[1] 阙凡博 

机构地区：[1]广西交通职业技术学院,广西南宁530023

出　　处：《西部交通科技》2024年第9期157-159,166,共4页Western China Communications Science & Technology

基　　金：2021年度广西高校中青年教师科研基础能力提升项目“基于DALI及无线技术的智能照明控制系统的研究与应用”(编号:2021KY1125)。

摘　　要：针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估。通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和泛化能力。结果显示:Stacking模型在客流量预测中表现优异,与实际值接近,评价指标表现良好,可有效提高运营效率和管理决策水平。

关 键 词：轨道交通 客流量预测 Stacking集成学习 

分 类 号：U491.14[交通运输工程—交通运输规划与管理]