基于计划性大型活动散场时段地铁交通出行量预测方法分析

为克服传统城市轨道交通出行量预测方法的不足问题,提升轨道交通对计划性大型活动的应对能力,保障地铁在活动散场时段的运营稳定性、安全性。本文基于随机森林算法,建立了大型活动散场时段的地铁客流预测模型,并结合某大型场馆计划性活动期间的客流分布数据,比较分析了支持向量机算法、长短时间序列算法及随机森林算法在计划性活动散场时段地铁客流预测中的应用效果,验证了随机森林算法的应用优势,旨在切实提升计划性大型活动散场时段的城市轨道交通运营能力。

计划性大型活动散场期间地铁OD客流量预测方法

在计划性大型活动举办期间地铁客流量会超过平常高峰期的客流量.客流的激增不仅对城市轨道交通正常运营造成巨大的压力,甚至会引起严重的安全事故.本文在对计划性大型活动散场期间地铁客流在时空范围的规律研究基础上,根据大型活动散场时段的OD客流量基础数据,结合影响因素特征数据,构建基于随机森林算法的计划性大客流预测模型,实现大型活动结束后在5 min粒度下的OD客流量预测,并以北京凯迪拉克中心五颗松地铁站为例进行实例研究.选取演唱会和体育赛事的AFC数据,对预测结果进行验证,并与SVM、XGBoost算法对比,证明本文所提出的基于随机森林算法的客流预测模型方法具有更好的预测效果.