都市快轨交通·第29卷第4期2016年8月
doi; 10. 3969/j. issn. 1672 -6073. 2016. 04. 018
《学术探讨
基于统计特征的轨道交通站点
乘降量预测算法研究
姜梅牛琳博2
（1.中铁二院工程集团有限责任公司科学技术研究院成都610031；
2.西南交通大学交通运输与物流学院成都610031）
摘要针对现有预测方法因未考虑城市轨道交通站点束客的随机性，致使来降量预测精度不高的问题，提出一种基于统计特征的客流量预测方法。依据日期、时段、天气、突发事件等因素将历史数据进行分类。建立基于乘降量统计特征的分布模型，根据其预测客流的统计特征，结合随机数产生算法，产生的随机数即为客流乘降量预测值，最后结合算例予以说明，证明该模型的可行性。
关键词轨道交通；乘降量；预测算法；统计特征；随机数产生算法
中图分类号
U231
文献标志码A
文章编号1672-6073(2016)04-0081-04
乘降量预测是确定轨道交通发车间隔、合理分配车底的前提，预测结果是制定轨道交通系统调度计划的依据。因此，乘降量预测对轨道交通的运营效能具有重要意义。
目前，对于城市内公共交通车站的乘降量预测方法很多，主要有以下两种：一类研究是基于时间序列对乘降量进行短期预测，其代表性成果有张世英[1-2]等人通过时间序列、沈家军[3]等人结合灰色预测模型预测公交站点短时乘降量；另一类研究是利用相关智能算法进行预测，代表性研究有ZijppVander[4]等人利用人工神经网络、张春辉[5]等人利用卡尔曼滤波法、郭士永[6]等人利用最小二乘支持向量机回归算法、刘凯[7]
等人利用小波预测方法等建立的乘降量预测模型。收稿日期：2015-09-14修回日期：2015-11-03
作者简介：姜梅，女，硕士研究生，工程师，从事新型轨道交通规划与
线路设计.jiangmei@vip.126.com
基金项目：四川省科技计划项目(2014GZ0081)
上述方法从不同层面完善了站点乘降量的预测研究，但仍存在一定的不足之处：1)短期客流预测模型很难建立精确的输人-输出模型；2）对节假日等特殊客流波动规律反映不充分；3）相关智能算法求解困难。鉴于这些不足，笔者提出一种基于统计特征的短期站点乘降量预测方法，以历史乘降量数据作为预测依据，以期达到较高的预测精度。
1基于客流影响因素的站点乘降量类型划分
轨道交通线路上每个站点乘客的到达是随机的。乘客的乘降量会受到日期（工作日、节假日）、时段（高峰、平峰）、天气（非雨天、雨天）、客流敏感点事件（交通事故、大型集会）等因素影响。因此，为了构建统计分布模型，保证客流构建具有一致性，依据历史数据，构建统计数据集。
依据上述条件，将历史客流数据中的某一天某时段乘降量数据进行参数化分类表达，如图1所示。
客流影响因素
敏感点事件
日期 0：工作日 1：节假日
时段 0：平峰 1：高峰
天气
0：晴天 1：阴天 2：雨天 3：雪天
0：不发生 1：发生
图1历史客流数据参数化分类表达
通过上述客流分类，对所搜集的客流数据进行数据库编码存储（见图2），整理成为历史客流数据库，为本客流预测方法提供依据。
URBAN RAPID RAIL TRANSIT81