铁路旅客列车客座率分类及预测模型研究

铁路旅客列车分类,对于分配旅客运输能力、提高列车收益具有重要意义。建立以客座率最优为目标的列车分类和预测模型,通过数据预处理、分类结果中最优客座率选取和基于随机森林算法的分类预测3个模块展开分析,利用谱聚类-CACC模型和CACC算法对目标和因素变量进行离散化处理,设计基于误差区间交集和样本密度的最优客座率选取算法,并利用随机森林算法对客座率进行分类。最后,通过Kappa指数和百分误差对分类和预测精度进行验证,证明了模型的有效性和准确性。