基于图论的上海轨道交通站点客流等级预测研究

科学的站点分级利于新线车站参考同等级现有车站,快速、合理确定设施设备、人员岗位规模及规划客流组织方案。图论法可准确高效地挖掘线网潜在的规律和特点。引入距城市中心最短距离作为周边土地利用的替代指标,并以度值、接近中心性值及节点介数值作为等级评价指标来描述站点重要度,通过K-means聚类将线网站点分为10级。上海轨道交通车站按重要度等级分类来进行车站客流水平预测,等级误差在2以内的车站数目达264个,占总数的86.8%。

基于突发公共卫生事件影响下的铁路客流量恢复率预测研究

2020年以来新冠疫情随机性、区域性的爆发对铁路客流量的影响不容忽视。基于XGBoost算法建立城市间铁路客流量恢复率预测模型,提出以恢复率为预测目标,对疫情的严重程度和客流量的变化规律进行量化分析,为客流量预测和辅助决策提供参考,对于减少铁路客运收益损失具有重要价值。模型以所有二级及以上城市间铁路里程、城市间客流量、地理和铁路分布特征、受疫情影响程度等属性进行主成分分析,并进行维度压缩,获取新的输入变量。模型选取了2021年的数据随机采样,划分为训练集和测试集,采用5折交叉验证,并基于网格搜索法进行参数搜索得到最优模型参数并对测试集的恢复率进行了预测,与朴素贝叶斯和LightGBM算法进行对比,实验表明XGBoost算法的预测准确率较高。