基于地铁历史数据的PCA-RF分时段客流预测方法

• 作者: 李明臻 杜晓华 马延龙
• 来源期刊: 铁路技术创新
• 学科: 交通运输
• 关键词: 地铁 客流预测 RF 分时段 历史数据 PCA
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 建设规划
• 页码范围: 61-64
• 页数: 4页
• 分类号: F570|U293.5
• 字数: 3601字
• 语种: 中文
• DOI: 10.19550/j.issn.1672-061x.2019.05.061

摘要

地铁客流预测可以为轨道交通的相关决策提供辅助支持,在现代交通运输领域具有十分重要的现实意义.提出一种基于地铁历史数据的分时段客流预测方法(PCA-RF),通过对影响客流的因素进行抽取分析,从中提取有关客流的特征并用主成分分析法(PCA)赋予其不同的影响权值,随后用随机森林算法(RF)进行回归计算.通过实例对比说明PCA-RF相对于传统决策树方法具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马延龙		1	0	0.0	0.0
2	杜晓华		1	0	0.0	0.0
3	李明臻	北京邮电大学网络与交换国家重点实验室	1	0	0.0	0.0