原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
都市快轨交通·第30卷第1期2017年2月《学术探讨●
doi：10．3969／j．issn．1672‘6073．2017．01．012
城市轨道交通进站客流量
短时组合预测模型
李得伟1，颜艺星1，曾险峰2
摘要：高精度的短时进站客流量预测对城市轨道交通日常客流组织具有重要意义，利用客流预测结果在事
前实施限流、疏导等措施，较事后控制更及时、先进。通过采集15rain间隔的地铁进站客流数据，利用上周同
期进站量、本日上一时段进站量以及高峰和非高峰时段参数作为输入变量，尝试分别采用加权历史平均自回
归模型、ARIMA模型及小波神经网络模型进行短时预测，以获得精度最高的模型。在此基础上，进行三种方
法组合预测，探究组合预测效果。通过案例分析，发现当考虑时段因素时，小波神经网络预测精度最高，为
91．05％；ARIMA模型误差结构最好。当采用所提出的组合预测模型后，预测精度指标较独立预测模型均
有提升，但误差结构没有得到改善。研究表明，所提组合预测模型可以有效地应用于城市轨道交通进站客
流的短时预测中。
关键词：城市轨道交通；进站客流量；短时预测模型；组合预测
中图分类号：U293．5文献标志码：A文章编号：1672—6073(2017)01‘0054—05
CombinedShort．．termPredictionModelofStation
FlowinUrbanRailTransit
Entry
LIDeweil，YAN
Yixin91，ZENGXianfen92
LabofRailTrafficand
(1．StateJiaotongUniversity，Beijing100044；
KeyControl，Beijing
510430)
2．GuangzhouRailwayPolytechnic，Guangzhou
ofshort—termflowanroleintheofurbanrailtran—
Abstract：Accurateentryplaysimportantdailyoperation
predictionpassenger
foradvancedforflowcontrolandthesame
sit．Thecanevidence
provideapproachpassengerinduction．Usingperiod
prediction
inthevolumeandandhour’Sdataofaasuses
volumevariables，this
week，lastperiodpeakoff-peakdayinputpaper
previous
neuralen—
historicalautomodelandwaveletn
文档评论（0）