基于NARNN的城市轨道交通短时进站客流预测

• 作者: 任刚 宋建华 李科君 高瑾瑶
• 来源期刊: 武汉理工大学学报（交通科学与工程版）
• 学科: 交通运输
• 关键词: 城市轨道交通 短时客流预测 NARNN
• 年，卷（期）: 2020,（1）
• 页码范围: 103-107
• 页数: 5页
• 分类号: U121
• 字数: 5023字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3844.2020.01.019

摘要

针对城市轨道交通短时进站客流时间序列非线性、动态性的特点,构建了非线性自回归神经网络模型(nonlinear autoregression neural network,NARNN),进行地铁进站客流短时预测.采用地铁AFC刷卡系统的实际数据构造训练及测试样本,分别以5,15 min的时间测度对工作日及节假日的进站客流进行短时预测.结果显示,不同时间测度下,该模型对两组实验数据均能较好地拟合,表明其有一定的应用价值;与线性时间序列预测模型相比,该模型预测结果具有更小的平均绝对误差和均方根误差,表明其预测精度优于线性时间序列预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任刚	东南大学江苏省城市智能交通重点实验室	66	827	18.0	26.0
5	李科君		2	0	0.0	0.0
6	高瑾瑶	东南大学江苏省城市智能交通重点实验室	2	0	0.0	0.0
10	宋建华	东南大学江苏省城市智能交通重点实验室	2	0	0.0	0.0