基于XGBoost的地铁短时客流量预测研究.pdfVIP

大连海事大学专业学位硕士学位论文

摘要

一直以来，地铁客流量预测研究都是城市进行地铁交通网络规划、设计、建设和营

运的重要依据，在城市公共交通系统规划中占据重要地位。随着人们出行需求的多样化

发展，短时客流量预测已成为客流预测的重中之重，它不仅关系着乘客的出行体验，还

和运营商的经济效益分析工作紧密相关。因此，地铁短时客流量预测成为了轨道交通行

业的研究重点。

本研究围绕地铁短时客流量预测主题，阐述地铁客流和地铁客流预测基本理论，将

传统预测方法与机器学习方法对比分析，确定构建XGBoost地铁短时客流量预测模型。

其次通过对地铁客流内外部因素的特征分析，判断客流在时间和空间上的分布特点，运

用K-Means聚类和相关性分析对日期和天气因素进行分析，最终确定相邻时段客流、预

测时段、工作日和雨雪天气四个特征变量。然后探究XGBoost模型的实现原理，在模型

训练中运用随机搜索法进行参数调整，构建得出短时客流预测模型。最后以大连地铁2

号线客流预测为例，运用构建的预测模型进行短时客流预测，针对预测结果采取有效性

和灵敏性分析，验证模型在短时客流预测研究领域中的适用性和精准性。

(1)

基于上述研究思路，本研究的主要结论为：通过地铁客流时空性特征分析，选取

7

相邻时段客流和预测时段两个特征变量，并将相邻时段客流数据拓展为预测时段日内

3K-Means

每日预测时段及其前小时内的客流量，又对日期和天气因素采取聚类和相

关性分析，选取工作日和雨雪天气两个特征变量。本研究确定的特征变量既能更直观的

(2)

表达地铁客流特征，又是对模型输入变量的拓展，有效提升了客流预测精度。运用构

建的XGBoost地铁短时客流量预测模型对大连地铁2号线断面客流进行预测，与

SARIMAX模型、Prophet模型和LSTM模型的预测结果进行对比，结果表明XGBoost

模型在MAE(平均绝对误差)和MAPE(平均绝对百分比误差)方面均为最优，误差浮动比

例约为3.6%，具备良好的预测能力。大连地铁建设规模处于全国中游偏上，对其进行

短时客流量预测可以使模型更具普适性，结果更具代表性。(3)通过对预测模型的灵敏性

分析，得到各变量对客流预测的影响程度，从高到低依次为：相邻时段客流、预测时段、

工作日和雨雪天气。本研究构建的短时客流量预测模型可以为地铁日常经营阶段中的车

次调整、运行组织工作提供设计依据和决策基础。模型精准的客流预测结果不仅直接关

系到城市交通项目发展的经济效益，还有助于开展城市交通基础设施建设工作。

关键词：地铁客流；短时客流量预测；客流分布特征；XGBoost

--I

基于XGBoost的地铁短时客流量预测研究

ResearchonMetroShort-termPassengerFlowPrediction

BasedonXGBoost

Abstract

Metropassengerflowpredictionhasalwaysbeenanimportantbasisforurbanplanning,

design,constructionandoperationofmetrotransportationnetwork,andplaysanimportant

roleinurbanpublicsystemtrans