Predicting subway passenger flows under different traffic conditions.
Predicting subway passenger flows under different traffic conditions.
复制标题
不同交通条件下地铁客流预测
DOI：
10.1371/journal.pone.0202707
复制
发表时间：
2018
期刊：
影响因子：
3.7
通讯作者：
Wang P
中科院分区：
文献类型：
--
作者：
Ling X;Huang Z;Wang C;Zhang F;Wang P
客流预测对城市轨道交通（地铁）系统的运营、管理、效率和可靠性具有重要意义。本文利用深圳市的大规模地铁客流数据，对地铁网络中的动态客流进行了预测。四个经典预测模型：分析了历史平均模型、多层感知器神经网络模型、支持向量回归模型和梯度提升回归树模型。利用基于密度的含噪声应用空间聚类算法（DBSCAN）对每个地铁站的正常和异常交通状况进行识别。分析了各预测模型在正常和异常交通条件下的预测精度，探讨了不同预测模型的高性能条件（正常交通条件或异常交通条件）。此外，我们还研究了每个预测模型可以提前多长时间准确预测客流量。我们的研究结果强调了选择合适的模型来提高客流预测精度的重要性，并且客流的固有模式更显着地影响预测精度。
Passenger flow prediction is important for the operation, management, efficiency, and reliability of urban rail transit (subway) system. Here, we employ the large-scale subway smartcard data of Shenzhen, a major city of China, to predict dynamical passenger flows in the subway network. Four classical predictive models: historical average model, multilayer perceptron neural network model, support vector regression model, and gradient boosted regression trees model, were analyzed. Ordinary and anomalous traffic conditions were identified for each subway station by using the density-based spatial clustering of applications with noise (DBSCAN) algorithm. The prediction accuracy of each predictive model was analyzed under ordinary and anomalous traffic conditions to explore the high-performance condition (ordinary traffic condition or anomalous traffic condition) of different predictive models. In addition, we studied how long in advance that passenger flows can be accurately predicted by each predictive model. Our finding highlights the importance of selecting proper models to improve the accuracy of passenger flow prediction, and that inherent patterns of passenger flows are more prominently influencing the accuracy of prediction.
登录
查看更多内容
DOI：
10.1016/0191-2615(84)90002-x
发表时间：
1984-01-01
影响因子：
6.8
作者：
OKUTANI, I;STEPHANEDES, YJ
通讯作者：
STEPHANEDES, YJ
用于识别和预测大规模人群聚集的移动网络方法
影响因子：
6.8
作者：
Huang, Zhiren;Wang, Pu;Schich, Maximilian
通讯作者：
Schich, Maximilian
DOI：
10.1016/j.trc.2014.03.016
发表时间：
2014-07-01
影响因子：
8.3
作者：
Jiang, Xiushan;Zhang, Lei;Chen, Xiqun (Michael)
通讯作者：
Chen, Xiqun (Michael)
DOI：
10.1061/(asce)0733-947x(2005)131:10(771
发表时间：
2005-10-01
影响因子：
--
作者：
Jiang, XM;Adeli, H
通讯作者：
Adeli, H
影响因子：
6.4
作者：
McCrea, Jennifer;Moutari, Salissou
通讯作者：
Moutari, Salissou