数据不完备下基于特征识别的公交客流短时预测

作     者：方晓平 林美 陈维亚 潘鑫 FANG Xiaoping;LIN Mei;CHEN Weiya;PAN Xin

作者机构：中南大学交通运输工程学院∥轨道交通大数据湖南省重点实验室湖南长沙410075 

出 版 物：《华南理工大学学报（自然科学版）》 (Journal of South China University of Technology(Natural Science Edition))

年 卷 期：2020年第48卷第4期

页      面：114-122页

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金资助项目(61203162) 湖南省自然科学基金资助项目(2018JJ2537) 湖南省交通运输厅科技进步与创新计划项目(201244,201723,201949) 

主　　题：公交客流 短时预测 不完备数据 出行特征 SARIMA模型 

摘      要：识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。