基于Stacking集成学习模型的轨道交通客流量关键特征分析与预测控制研究——以武汉市为例.pdf

２０２５年第４期管理研究

基于Ｓｔａｃｋｉｎｇ集成学习模型的轨道交通客流量关键特征分析

与预测控制研究

———以武汉市为例

１２１１

王寒任双喜侯凯达刘展

(１湖北大学数学与统计学学院ꎬ湖北武汉４３００６２ꎻ

２武汉轻工大学生命科学与技术学院ꎬ湖北武汉４３００４８)

摘要:文章利用国家气象统计局、武汉地铁运营、武汉地铁数据库、武汉交通运输局提供的武汉市气象数据、武汉市

活动举办数据ꎬ构建了以月份、天气、工作日、节假日属性、活动类型、网络热度等为自变量ꎬ客流量为因变量的数据集ꎮ

首先ꎬ利用随机森林算法识别出影响客流量的六大关键特征:节假日属性、音乐类活动、雨雪天气、抖音热度、工作日和体

育类活动ꎮ其次ꎬ通过Ｓｔａｃｋｉｎｇ模型集成ＬｉｇｈｔＧＢＭ、ＸＧＢｏｏｓｔ和ＬＳＴＭ模型ꎬ结合交叉验证和ＳＨＡＰ模型进行性能评估与超参

数优化ꎬ避免过拟合并增强泛化能力ꎮ接着ꎬ基于蚁群算法ꎬ进一步求解客流顶峰的产生规律及条件ꎬ提出了最大和最小客

流量的典型场景ꎮ最后ꎬ基于训练良好的预测模型ꎬ提出客流量干预方法ꎮ文章为武汉市轨道交通管理提供了科学的决策支

持ꎬ并为运用数据分析技术优化城市公共交通系统提供了重要参考ꎮ

关键词:Ｓｔａｃｋｉｎｇ集成学习模型ꎻ随机森林算法ꎻ蚁群算法ꎻ预测控制ꎻ武汉市轨道交通

基金项目:国家社会科学基金一般项目“大数据背景下网络调查样本的模型推断研究”(１８ＢＴＪ０２２)ꎻ国家社会科学基金

西部项目“多源数据融合视角下基于非概率样本的有限总体推断研究”(２１ＸＴＪ００６)ꎻ中国商业统计学会规划课题“基于机

器学习的多源抽样数据融合推断方法与应用研究”(２０２４ＳＴＺＤ２２)

中图分类号:Ｕ２９３ꎻＴＰ１８文献标识码:Ａ

－－

文章编号:１６７４５３７Ｘ(２０２５)０４００４９１０

一、引言通方式ꎮ为了确保地铁的运行效率ꎬ在面对高度激

(一)研究背景增的客流时ꎬ需要科学的客流预测和运营调度ꎬ对

武汉市作为华中地区交通与文化的枢纽城市ꎬ地铁站的服务设施、安全保障、客户服务等提前规

地理位置优越、文化底蕴深厚且城市基础设施完划和部署ꎬ减少由于超负荷运行带来的列车延误和

善ꎬ成为了众多国内外游客的向往之地ꎮ在春节、地铁站点的拥堵情况ꎮ

国庆等节假日期间ꎬ武汉的旅游热点地区尤为热２武汉市地铁舒适性关乎城市形象建设

闹ꎬ游客潮汹涌ꎮ同时ꎬ武汉的地铁系统ꎬ作为城节假日期间ꎬ游客在乘坐地铁时的舒适性直接

市公共交通的骨干网络ꎬ不仅方便了市民日常出影响他们的出行体验ꎬ进而影响到外界对武汉城市

行ꎬ也为旅游高峰期的客流疏导提供了有力支持ꎬ形象的认知ꎮ通过优化武汉市热门地点地铁运载能

对确保城市的有序运行发挥着至关重要的作用ꎮ力和服务质量ꎬ有利于展示良好城市形象ꎮ

３数据驱动和智能交通管理背景下的武汉市的

１节假日公共服务压力增大ꎬ地铁交通负载运

旅游发展策略

行效率

在智慧城市的背景下ꎬ利用大数据分析技术对

节假日时期武汉市旅游人群以地铁为主要的交

∗作者简介:王寒(２００４—)ꎬ女ꎬ河南商丘人ꎬ本科生