基于K近邻模式匹配的地铁客流量短时预测

被引：25

作者：

林培群

陈丽甜

雷永巍

机构：

[1] 华南理工大学土木与交通学院

来源：

华南理工大学学报(自然科学版) | 2018年 / 46卷 / 01期

基金：

广东省科技计划;

关键词：

地铁客流量; 短时预测; K近邻算法; 日客流发展模式; 模式匹配;

D O I：

暂无

中图分类号：

U293.13 [];

学科分类号：

摘要：

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算法,自动获取合适的K值以提高预测算法的普适性.最后以广州火车南站地铁站为例进行实例分析,结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测,平均预测精度在90%左右,具有较好的应用推广价值.

引用

收藏

页码：50 / 57

页数：8

相关论文

共 13 条

[1] 考虑多因素的城市道路交通拥堵指数预测研究 [J].

韦清波 ;

何兆成 ;

郑喜双 ;

陈昶佳 ;

杨敬锋 .

交通运输系统工程与信息, 2017, 17 (01) :74-81

[2] 基于SARIMA模型的北京地铁进站客流量预测 [J].

王莹 ;

韩宝明 ;

张琦 ;

李得伟 .

交通运输系统工程与信息, 2015, 15 (06) :205-211

[3] 城市轨道交通进站客流量短时预测模型研究 [J].

刘美琪 ;

焦朋朋 ;

孙拓 .

城市轨道交通研究, 2015, (11) :13-17+29

[4] 短时交通流预测的改进K近邻算法 [J].

谢海红 ;

戴许昊 ;

齐远 .

交通运输工程学报, 2014, 14 (03) :87-94

[5] 基于乘积ARIMA模型的城市轨道交通进出站客流量预测 [J].

蔡昌俊 ;

姚恩建 ;

王梅英 ;

张永生 .

北京交通大学学报, 2014, 38 (02) :135-140

[6] 我国城市轨道交通存在的主要问题及发展对策附视频 [J].

杨永平 ;

边颜东 ;

周晓勤 ;

叶霞飞 .

城市轨道交通研究, 2013, (10) :1-6

[7] 基于Kalman滤波的地铁换乘客流预测 [J].

熊杰 ;

关伟 ;

孙宇星 .

北京交通大学学报, 2013, 37 (03) :112-116+121

[8] K近邻短时交通流预测模型 [J].

于滨 ;

邬珊华 ;

王明华 ;

赵志宏 .

交通运输工程学报, 2012, 12 (02) :105-111

[9] 基于卡尔曼滤波的公交站点短时客流预测 [J].

张春辉 ;

宋瑞 ;

孙杨 .

交通运输系统工程与信息, 2011, 11 (04) :154-159

[10] 基于非参数回归的短时交通流量预测与事件检测综合算法 [J].

宫晓燕 ;

汤淑明 .

中国公路学报, 2003, (01) :83-87