基于ARIMA和LSTM的城市轨道交通客流量预测

• 作者: 潘念然
• 来源期刊: 科学技术创新
• 学科: 经济
• 关键词: 时间序列数据 城市轨道交通 ARIMA LSTM 分时客流量 日客流量
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 创新创业论坛
• 页码范围: 165-168
• 页数: 4页
• 分类号: F572.88
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2022.08.041

摘要

客流量预测是城市轨道交通网络研究的重要内容.在对地铁车站客流数据处理的基础上,建立了基于自回归移动平均模型(ARIMA)和长短期记忆(LSTM)的城市轨道交通客流预测模型,并比较了不同时间间隔下两种预测方法的准确率.结果表明,从时间粒度上看,ARIMA方法的日客流数据均方根误差比LSTM方法更小,预测效果更好;对于分时客流,结合ARIMA和LSTM可以提高准确率.研究可为客流管理、票价制定、列车组织安排等提供技术支持.