基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于城市轨道交通自动售检票(Automatic Fare Collection,AFC)系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5%以内,表明该模型具有很高的预测精度和良好的适用性.
推荐文章
基于ARMA模型的城市轨道交通客流量预测
客流量
预测模型
时间序列
相对误差
基于组合模型的城市轨道交通客流预测研究
客流预测
组合模型
神经网络
工程造价
城市轨道交通新站开通初期实时进出站客流量预测
城市轨道交通
新站开通
进出站客流量
实时客流量预测
非参数回归
城市轨道交通突发大客流事件应急策略
轨道交通系统
大客流特征
应急策略
组织措施
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于乘积ARIMA模型的城市轨道交通进出站客流量预测
来源期刊 北京交通大学学报 学科 交通运输
关键词 交通运输规划与管理 城市轨道交通 进出站客流量 乘积ARIMA模型
年,卷(期) 2014,(2) 所属期刊栏目 轨道交通与运输
研究方向 页码范围 135-140
页数 6页 分类号 U121
字数 4616字 语种 中文
DOI 10.11860/j.issn.1673-0291.2014.02.24
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张永生 北京交通大学交通运输学院 12 158 6.0 12.0
2 姚恩建 北京交通大学交通运输学院 41 306 10.0 16.0
3 蔡昌俊 北京交通大学交通运输学院 3 80 3.0 3.0
7 王梅英 北京交通大学交通运输学院 2 41 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (34)
参考文献  (8)
节点文献
引证文献  (41)
同被引文献  (107)
二级引证文献  (84)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(5)
  • 参考文献(3)
  • 二级参考文献(2)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(4)
  • 引证文献(3)
  • 二级引证文献(1)
2016(16)
  • 引证文献(7)
  • 二级引证文献(9)
2017(13)
  • 引证文献(9)
  • 二级引证文献(4)
2018(29)
  • 引证文献(11)
  • 二级引证文献(18)
2019(43)
  • 引证文献(9)
  • 二级引证文献(34)
2020(20)
  • 引证文献(2)
  • 二级引证文献(18)
研究主题发展历程
节点文献
交通运输规划与管理
城市轨道交通
进出站客流量
乘积ARIMA模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京交通大学学报
双月刊
1673-0291
11-5258/U
大16开
北京西直门外上园村3号
1975
chi
出版文献量(篇)
3626
总下载数(次)
7
总被引数(次)
38401
论文1v1指导