基于改进KNN算法的城轨进站客流实时预测

作者：郇宁; 谢俏; 叶红霞; 姚恩建^*

来源：交通运输系统工程与信息, 2018, 18(05): 121-128.

DOI：10.16097/j.cnki.1009-6744.2018.05.018

• 城市交通
• 实时预测
• K近邻
• 进站客流
• 动态时间规整

针对实时进站客流数据的高维数、多噪声、波动频繁等特征,本文提出一种基于改进K最近邻(K-nearest-neighbor, KNN)算法的城轨进站客流实时预测方法.首先,通过对分时客流数据的相关性分析,确定表征客流特征的状态向量;其次,结合数据特性改进近邻样本的模式匹配过程,利用关键点法去除原始序列中的噪声扰动,并引入动态时间规整算法实现考虑序列形态的相似性度量;再次,根据样本间流量差异引入距离权重和趋势系数,推演未来时段的进站量,实现滚动的实时预测;最后,依托广州地铁客流数据仓库对预测模型进行精度分析.结果表明,对于全网159个站点,5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%,能够为路网状态监控提供可靠的数据支撑.

• 单位
  北京交通大学; 广州地铁集团有限公司