基于ARIMA-Kalman滤波混合算法的铁路进站客流预测方法

轨道交通车站客流预测,是优化车站客运组织、提高运营安全和运输效率的有效途径。针对传统ARIMA模型对客流量预测性能较差的问题,提出一种基于ARIMA-Kalman滤波混合预测方法。具体通过建立ARIMA模型训练实验样本,结合Kalman滤波器,建立预测递推方程,最终利用Kalman滤波预测方法对客流量进行预测。基于江门东站进站客流数据的仿真实验结果表明,相较于单一ARIMA模型,所提出的ARIMA-Kalman滤波混合算法预测结果的均方根误差降低了257.106,平均绝对误差降低了145.675,平均绝对百分比误差下降了5.655%,证明了所提出的混合算法预测精度更高。