华南理工大学学报(自然科学版)

作者：方晓平, 林美, 陈维亚, 等

单位：中南大学 交通运输工程学院∥轨道交通大数据湖南省重点实验室，湖南 长沙 410075

关键词：公交客流,短时预测,不完备数据,出行特征,SARIMA 模型

基金：国家自然科学基金资助项目 ( 61203162) ; 湖南省自然科学基金资助项目 ( 2018JJ2537) ; 湖南省交通运输厅科技进步与创新计划项目 ( 201244，201723，201949)

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因，客流数据属性往往是不完备的，这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市 104 路公交卡数据为样本，利用卡号与出行时间的关联性识别乘客出行频次，以此作为区分出行特征的变量，将客流总集划分为不同的特征子集，依据子集规模、方差确定变量最佳取值，推断客流特征。与直接预测客流总集相比，文中为每类子集建立季节性差分自回归滑动平均 ( SARIMA) 模型分别进行预测，整合后得出的样本外平均绝对误差改善了 36. 11% ，依据乘客出行特征建立的预测模型拟合度为 0. 95，可有效识别公交客流特征。

来源：2020年第4期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第4期