论文摘要
地铁客流预测可以为轨道交通的相关决策提供辅助支持,在现代交通运输领域具有十分重要的现实意义。提出一种基于地铁历史数据的分时段客流预测方法（PCA-RF）,通过对影响客流的因素进行抽取分析,从中提取有关客流的特征并用主成分分析法（PCA）赋予其不同的影响权值,随后用随机森林算法（RF）进行回归计算。通过实例对比说明PCA-RF相对于传统决策树方法具有较高的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 马延龙,杜晓华,李明臻
关键词: 地铁,客流预测,分时段,历史数据
来源: 铁路技术创新 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 铁路运输
单位: 盘缠科技股份有限公司,北京邮电大学网络与交换国家重点实验室
分类号: U293.13
DOI: 10.19550/j.issn.1672-061x.2019.05.061
页码: 61-64
总页数: 4
文件大小: 1462K
下载量: 166