杭州地铁客流特征分析与客流预测

作者：张素洁; 谢小园

来源：价值工程, 2019, 38(19): 65-67.

DOI：10.14018/j.cnki.cn13-1085/n.2019.19.023

• 客流预测
• 机器学习
• 随机森林
• lightgbm

通过对杭州地铁2019年1月1日到2019年1月25日的地铁刷卡数据进行分析,根据进出站高峰小时系数和站点位置将80个站点分为居住、工作、交通场站和混合类型四类。不同类型的车站早高峰晚高峰进出站高峰小时系数均不相同。对不同地铁线路的换乘量进行分析发现3号线换乘量比例最高,占其出站人数的77.7%。使用机器学习方法(随机森林和lightgbm)对不同站点每小时的进出站人数进行预测,平均相对误差均值为9.0%。表现出较强的可预测性。

• 单位
  武汉铁路职业技术学院