城市轨道交通短时客流预测研究
作者机构：苏州大学轨道交通学院
出 版 物：《交通科技与管理》
年 卷 期：2024年第13期
页 面：18-21页
学科分类：08[工学] 082303[工学-交通运输规划与管理] 0823[工学-交通运输工程]
基 金：苏州大学大学生创新创业训练计划“基于深度学习的轨道交通短期客流预测模型设计与实现”(202210285164Y)
摘 要：文章旨在研究城市轨道交通短时客流预测。针对单站点数据，通过LSTM模型进行客流预测；针对海量线网数据，选择LightGBM、XGBoost、RF和Ridge四种不同的算法调参配以权重建立集成预测模型。通过对2020年7月苏州地铁5号线的AFC数据进行处理挖掘，并结合天气数据、空气质量数据等多种信息特征，对训练集和验证集进行了划分，使用构建的集成模型加以预测并进行了验证，精确度达到了0.89，论证了该集成模型的可行性。
同方期刊数据库