后疫情时代基于XGBoost的铁路客运站客流量预测研究

• 作者: 王平 吴文波 马毅华 许江 宗智诚
• 来源期刊: 铁路计算机应用
• 学科: 交通运输
• 关键词: 客流量预测 后疫情时代 XGBoost k折交叉验证 网格搜索
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究与开发|Research and Development
• 页码范围: 22-26
• 页数: 5页
• 分类号: U293.13|TP39
• 语种: 中文
• DOI: 10.3969/j.issn.1005-8451.2022.01.03

摘要

进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要.文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证集,利用5折交叉验证和网格搜索(Grid Search)得到最优参数,并对上海站2020年7月28日—2021年5月17日的客流量进行预测,预测拟合度为R20.812,总体预测效果较好.