城市轨道交通车站短时客流机器学习预测方法
U491; 轨道交通具有载客量大、安全及环保等优点,已成为多数乘客的优先出行方式,是缓解城市交通压力的有效途径之一.为提高轨道系统的运行效率,实现轨道交通智慧化运营,基于机器学习算法理论,结合轨道交通车站的时间、空间及外部影响因素等客流特征,建立轻量的梯度提升机(light gradient boosting machine,LightGBM)、长短期记忆(long short-term memory,LSTM)及LightGBM-LSTM融合模型的车站短时客流预测模型,同时构建差分自回归移动平均(autoregressive integrated moving average,ARIMA)和...
Saved in:
| Published in | 深圳大学学报（理工版） Vol. 39; no. 5; pp. 593 - 599 |
|---|---|
| Main Authors | , , , |
| Format | Journal Article |
| Language | Chinese |
| Published |
深圳大学滨海城市韧性基础设施教育部重点实验室,广东深圳518060
01.09.2022
深圳大学未来地下城市研究院,广东深圳518060 深圳大学土木与交通工程学院,广东深圳518060 深圳大学深圳市地铁地下车站绿色高效智能建造重点实验室,广东深圳518060%深圳大学土木与交通工程学院,广东深圳518060 |
| Subjects | |
| Online Access | Get full text |
| ISSN | 1000-2618 |
| DOI | 10.3724/SP.J.1249.2022.05593 |
Cover
| Abstract | U491; 轨道交通具有载客量大、安全及环保等优点,已成为多数乘客的优先出行方式,是缓解城市交通压力的有效途径之一.为提高轨道系统的运行效率,实现轨道交通智慧化运营,基于机器学习算法理论,结合轨道交通车站的时间、空间及外部影响因素等客流特征,建立轻量的梯度提升机(light gradient boosting machine,LightGBM)、长短期记忆(long short-term memory,LSTM)及LightGBM-LSTM融合模型的车站短时客流预测模型,同时构建差分自回归移动平均(autoregressive integrated moving average,ARIMA)和极限梯度提升(extreme gradient boosting,XGBoost)模型作为预测实验的对照模型.以中国杭州地铁自动售票系统刷卡数据为例,选取了5种地铁车站(居住类型、工作类型、居住工作混合类型、购物类型及交通枢纽类型)和3个准确性评价指标(平均绝对误差、均方根误差及平均绝对百分误差),量化评价不同模型的预测准确性.结果表明,基于多特征的机器学习模型可以较好预测地铁车站短时客流,弥补了传统时间序列模型的不足.但单一模型在不同类型车站的预测效果波动性较大.基于多模型融合的LightGBM-LSTM模型可以综合单一模型的优点,预测性能更佳,对于不同类型车站的适应性更好. |
|---|---|
| AbstractList | U491; 轨道交通具有载客量大、安全及环保等优点,已成为多数乘客的优先出行方式,是缓解城市交通压力的有效途径之一.为提高轨道系统的运行效率,实现轨道交通智慧化运营,基于机器学习算法理论,结合轨道交通车站的时间、空间及外部影响因素等客流特征,建立轻量的梯度提升机(light gradient boosting machine,LightGBM)、长短期记忆(long short-term memory,LSTM)及LightGBM-LSTM融合模型的车站短时客流预测模型,同时构建差分自回归移动平均(autoregressive integrated moving average,ARIMA)和极限梯度提升(extreme gradient boosting,XGBoost)模型作为预测实验的对照模型.以中国杭州地铁自动售票系统刷卡数据为例,选取了5种地铁车站(居住类型、工作类型、居住工作混合类型、购物类型及交通枢纽类型)和3个准确性评价指标(平均绝对误差、均方根误差及平均绝对百分误差),量化评价不同模型的预测准确性.结果表明,基于多特征的机器学习模型可以较好预测地铁车站短时客流,弥补了传统时间序列模型的不足.但单一模型在不同类型车站的预测效果波动性较大.基于多模型融合的LightGBM-LSTM模型可以综合单一模型的优点,预测性能更佳,对于不同类型车站的适应性更好. |
| Author | 胡明伟 何国庆 吴雯琳 施小龙 |
| AuthorAffiliation | 深圳大学土木与交通工程学院,广东深圳518060;深圳大学滨海城市韧性基础设施教育部重点实验室,广东深圳518060;深圳大学未来地下城市研究院,广东深圳518060;深圳大学深圳市地铁地下车站绿色高效智能建造重点实验室,广东深圳518060%深圳大学土木与交通工程学院,广东深圳518060 |
| AuthorAffiliation_xml | – name: 深圳大学土木与交通工程学院,广东深圳518060;深圳大学滨海城市韧性基础设施教育部重点实验室,广东深圳518060;深圳大学未来地下城市研究院,广东深圳518060;深圳大学深圳市地铁地下车站绿色高效智能建造重点实验室,广东深圳518060%深圳大学土木与交通工程学院,广东深圳518060 |
| Author_FL | HU Mingwei SHI Xiaolong WU Wenlin HE Guoqing |
| Author_FL_xml | – sequence: 1 fullname: HU Mingwei – sequence: 2 fullname: SHI Xiaolong – sequence: 3 fullname: WU Wenlin – sequence: 4 fullname: HE Guoqing |
| Author_xml | – sequence: 1 fullname: 胡明伟 – sequence: 2 fullname: 施小龙 – sequence: 3 fullname: 吴雯琳 – sequence: 4 fullname: 何国庆 |
| BookMark | eNotj01LAlEYRu_CIDP_QftWM73v_Zq50CakT4SCai13Zu5EESM0RNIqo13QJiqMwJAQIWwTRgr-G-eq_yKjVg-cxTk8CySXVBNDyBKCyzzKV_b33B0XKVcuBUpdEEKxHMkjADhUoj9Piml6HABQYEoxzJPVrHmXfV9Php1p_X40eJtePU-G7fF7Y9zs2qev7KNle3X7MsganazbHvVfp60b27u1j337-bBI5mJ9mpri_xbI4cb6QWnLKe9ubpfWyk6KQLljBArtYYhahL7kkZBMMkNnxA81l4aHEPtAFTcKfSmCGCPmAWMaA-Z5XLECWf7zXugk1slR5aR6fpbMipX0MqrVgt-zIAA5-wFaW2Cc |
| ClassificationCodes | U491 |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.3724/SP.J.1249.2022.05593 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| Discipline | Sciences (General) |
| DocumentTitle_FL | Machine learning based method for forecasting short-term passenger flow in urban rail stations |
| EndPage | 599 |
| ExternalDocumentID | szdxxb202205014 |
| GrantInformation_xml | – fundername: 中国工程科技发展战略广东咨询研究资助项目 funderid: (2020-GD-09) |
| GroupedDBID | -03 2B. 4A8 92I 93N ALMA_UNASSIGNED_HOLDINGS CCEZO CEKLB PSX TCJ |
| ID | FETCH-LOGICAL-s1024-e515a71c1a5c864d56363e271c8ca46e4c0f80294e91865bf1d37033a1b377493 |
| ISSN | 1000-2618 |
| IngestDate | Thu May 29 03:55:52 EDT 2025 |
| IsPeerReviewed | false |
| IsScholarly | true |
| Issue | 5 |
| Keywords | 机器学习 短时客流预测 数据处理 特征工程 交通运输工程 城市轨道交通 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s1024-e515a71c1a5c864d56363e271c8ca46e4c0f80294e91865bf1d37033a1b377493 |
| PageCount | 7 |
| ParticipantIDs | wanfang_journals_szdxxb202205014 |
| PublicationCentury | 2000 |
| PublicationDate | 2022-09-01 |
| PublicationDateYYYYMMDD | 2022-09-01 |
| PublicationDate_xml | – month: 09 year: 2022 text: 2022-09-01 day: 01 |
| PublicationDecade | 2020 |
| PublicationTitle | 深圳大学学报（理工版） |
| PublicationTitle_FL | Journal of Shenzhen University(Science & Engineering) |
| PublicationYear | 2022 |
| Publisher | 深圳大学滨海城市韧性基础设施教育部重点实验室,广东深圳518060 深圳大学未来地下城市研究院,广东深圳518060 深圳大学土木与交通工程学院,广东深圳518060 深圳大学深圳市地铁地下车站绿色高效智能建造重点实验室,广东深圳518060%深圳大学土木与交通工程学院,广东深圳518060 |
| Publisher_xml | – name: 深圳大学滨海城市韧性基础设施教育部重点实验室,广东深圳518060 – name: 深圳大学深圳市地铁地下车站绿色高效智能建造重点实验室,广东深圳518060%深圳大学土木与交通工程学院,广东深圳518060 – name: 深圳大学未来地下城市研究院,广东深圳518060 – name: 深圳大学土木与交通工程学院,广东深圳518060 |
| SSID | ssib002039931 ssib023167934 ssib058868920 ssj0040343 ssib002423991 ssib057620144 ssib006704940 ssib041262056 ssib051373859 ssib001129675 |
| Score | 2.3382547 |
| Snippet | U491; 轨道交通具有载客量大、安全及环保等优点,已成为多数乘客的优先出行方式,是缓解城市交通压力的有效途径之一.为提高轨道系统的运行效率,实现轨道交通智慧化运营,基于... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 593 |
| Title | 城市轨道交通车站短时客流机器学习预测方法 |
| URI | https://d.wanfangdata.com.cn/periodical/szdxxb202205014 |
| Volume | 39 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVAON databaseName: DOAJ Directory of Open Access Journals issn: 1000-2618 databaseCode: DOA dateStart: 20180101 customDbUrl: isFulltext: true dateEnd: 99991231 titleUrlDefault: https://www.doaj.org/ omitProxy: true ssIdentifier: ssib058868920 providerName: Directory of Open Access Journals – providerCode: PRVEBS databaseName: Inspec with Full Text issn: 1000-2618 databaseCode: ADMLS dateStart: 20190701 customDbUrl: isFulltext: true dateEnd: 99991231 titleUrlDefault: https://www.ebsco.com/products/research-databases/inspec-full-text omitProxy: false ssIdentifier: ssib057620144 providerName: EBSCOhost |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Na9RAFA-lXryI9QO_2YMP6mHXJPORGfCS2c1SCoqHFnorm-xGTyt0Wyg9WfEmeBGVilApUgpSL1Kxhf433W37X_jeJLtJa8HqJQxv3vxm3nuTvDdD5o3j3Jcpuk0MK6o8SRQ-UlVVaYCBnNZ-KuM48RLa0H_8RE7N8uk5MTc2Pln6a2lpMa4lK2eeK_kfqyIN7UqnZP_BsiNQJGAZ7YtPtDA-z2VjiAToJqiICkaB8iFSYBoQKog0BomgGUQcTAghtxQXdDjkkRAFEBrQmgqIEzYgkqADMJIAwwhCnyhGEBRV1QmKOtW2C0FNCAe7QIpLXWATxYetjG0lqZYoDLKrLofRsCVid57FrBMDYXIIgxL4qCBBoSACoiaYOihlh-2CsjyIQ1UBKG2rMp7RNgcJrRiEmRzK6owTi24WLNlYGxYOcZskj4lAl1AE9WisMrWBsJmPwbCChROEFpbXDOFCyHNx5zssuDgf_kKWvRPn0wXyGKt6q18TnDUDtLVlYPXl5s2RQpYLSAFIRGWgdVG0QmRJQ6apYEGMxSGFZTMJ1dqwyvWtLe3k0JG1N0pWH04Xjm-sHQnqrWk1oUiWP0QTnnKzCx5yh0iZB3CVrcoeM0s_lX8ZRMn9iey2yzySEpl5TjtpFvicfhN4Wpuu0dXnNdJ5zRWjxifSn_dW2svLsW8PhLt0Y_0FH_23W9o8sYE_hq3lrES-S4H3iRPbSCidsA4oL9LIU_mUD0IXiRK5R_c0FFmmhEcJwIrAX9AQvCIwFkpJZa99y2JA7rL8aE-uvezQLkn-8Cy57YnBbtrqPisFtzOXnUv5qrQSZp-YCWds5fkVZyL3-73KZJ6c_sFV51F__W3_16uj_a3j1XcHe1-PX3462t88_LZ2uL49-Piz_31jsLM6-LzXX9vqb28e7H453ng92Hkz-LA7-PH-mjPbjGbqU9X8BpZqDxcevNrB1U4r8BKvJRIleVtIJlnHR4pKWlx2eOKmyvU172hPSRGnXpthCMFaXszQAWh23Rnvvuh2bjgVhErcIJGsjQsCxnwlk06QirbQXOOaOb7pVHIVzOdf2N78Kdvf-jvLbedi8QbfccYXF5Y6d3HVsBjfsxPmN0Pqxcc |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%8E%E5%B8%82%E8%BD%A8%E9%81%93%E4%BA%A4%E9%80%9A%E8%BD%A6%E7%AB%99%E7%9F%AD%E6%97%B6%E5%AE%A2%E6%B5%81%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E9%A2%84%E6%B5%8B%E6%96%B9%E6%B3%95&rft.jtitle=%E6%B7%B1%E5%9C%B3%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%88%E7%90%86%E5%B7%A5%E7%89%88%EF%BC%89&rft.au=%E8%83%A1%E6%98%8E%E4%BC%9F&rft.au=%E6%96%BD%E5%B0%8F%E9%BE%99&rft.au=%E5%90%B4%E9%9B%AF%E7%90%B3&rft.au=%E4%BD%95%E5%9B%BD%E5%BA%86&rft.date=2022-09-01&rft.pub=%E6%B7%B1%E5%9C%B3%E5%A4%A7%E5%AD%A6%E6%BB%A8%E6%B5%B7%E5%9F%8E%E5%B8%82%E9%9F%A7%E6%80%A7%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD%E6%95%99%E8%82%B2%E9%83%A8%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E5%B9%BF%E4%B8%9C%E6%B7%B1%E5%9C%B3518060&rft.issn=1000-2618&rft.volume=39&rft.issue=5&rft.spage=593&rft.epage=599&rft_id=info:doi/10.3724%2FSP.J.1249.2022.05593&rft.externalDocID=szdxxb202205014 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fszdxxb%2Fszdxxb.jpg |