基于Adaboost-CART模型的动卧列车客座率预测

作者：王煜; 方伟; 王亮; 薛冰

来源：中国铁路, 2019, (10): 34-38.

DOI：10.19549/j.issn.1001-683x.2019.10.034

• 动卧列车
• 客座率
• 航空票价
• Adaboost-CART模型
• 集成学习
• 学习器

由于动卧列车运行距离较长,主要竞争对手为同区间航空运输,航空票价水平和动态浮动会对动卧列车客流产生影响,因此从航空票价角度,研究动卧列车客座率。选取CART模型作为弱学习器,通过Adaboost集成学习算法将弱学习器训练为强学习器,即采用Adaboost-CART模型实现对动卧列车客座率的预测。以京沪高铁动卧列车为例,对该方法进行验证,结果表明:利用Adaboost-CART模型能够较好地对动卧列车客座率进行预测,且精度优于单一CART模型和多元回归模型等传统预测方法,验证了Adaboost-CART模型的有效性和可靠性。

• 单位
  中国铁道科学研究院集团有限公司