基于多源数据与粒子滤波的城轨断面客流预测

U293.1%U239.5; 为提高运营组织服务水平,合理、准确地预测城市轨道交通断面客流十分重要.针对单一数据源限制客流预测准确度的问题,提出一种基于车载称重数据和自动售检票系统(AFC)数据的粒子滤波(PF)断面客流预测模型.以成都地铁 9 号线的历史运营数据为基础,分析不同性质客流与断面客流的相关性以筛选模型输入特征,并对所提出方法进行验证.实验结果表明:相较于单源PF模型,多源PF对节假日(工作日)早高峰、平峰以及晚高峰 30min粒度客流预测的平均绝对误差(MAE)分别下降了 28.541%(60.969%)、10.687%(19.662%)和 22.685%(27.941%).对比...

Full description

Saved in:
Bibliographic Details
Published in铁道标准设计 Vol. 67; no. 12; pp. 15 - 29
Main Authors 刘正琦, 王小敏
Format Journal Article
LanguageChinese
Published 西南交通大学信息科学与技术学院,成都 611756 01.12.2023
Subjects
section passenger flow
multi-source data
客流预测
urban rail transit
多源数据
粒子滤波
passenger flow predict
particle filter
城市轨道交通
断面客流
Online AccessGet full text
ISSN1004-2954
DOI10.13238/j.issn.1004-2954.202206130006

Cover

More Information
Summary:U293.1%U239.5; 为提高运营组织服务水平,合理、准确地预测城市轨道交通断面客流十分重要.针对单一数据源限制客流预测准确度的问题,提出一种基于车载称重数据和自动售检票系统(AFC)数据的粒子滤波(PF)断面客流预测模型.以成都地铁 9 号线的历史运营数据为基础,分析不同性质客流与断面客流的相关性以筛选模型输入特征,并对所提出方法进行验证.实验结果表明:相较于单源PF模型,多源PF对节假日(工作日)早高峰、平峰以及晚高峰 30min粒度客流预测的平均绝对误差(MAE)分别下降了 28.541%(60.969%)、10.687%(19.662%)和 22.685%(27.941%).对比多源卡尔曼滤波(KF)和多源长短时记忆(LSTM)模型,多源PF对节假日和工作日客流预测可决系数(R2)的提升至少为21.599%和0.314%,该模型具有较快的计算速度,可为城市轨道交通客流预测提供参考建议.
ISSN:1004-2954
DOI:10.13238/j.issn.1004-2954.202206130006