论文部分内容阅读
城市轨道交通短时客流预测是运输组织动态调整、提高运营服务效率和安全保障的重要基础,将有效推动轨道交通智慧化进程。基于概念界定和预测意义的剖析,将短时客流预测分为进站客流、出站客流、OD客流和客流分布预测4类,并对短时客流预测考虑的影响因素进行定量、定性分析,详细阐述指标的应用原理、效果、局限性。通过分析短时客流预测所应用的机器学习算法,归纳出传统组合模型和3类广义组合模型,包括模型优化类、分解重组类和误差修正类,最后建议应用态势感知、深度残差收缩网络、Transformer等新的预测方法,为短时客流预测方