首页|基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

基于PCA-Kmeans算法的城市轨道交通短期OD客流预测

扫码查看
原文链接
  • 万方数据
  • 维普
针对当前城市轨道交通短期起讫点(OD)客流预测存在模型构建工作量大、资源占用量大的特殊性,提出一种基于PCA-Kmeans算法的城市轨道交通短期OD客流预测方法.利用自动售检票(AFC)刷卡交易明细数据构造OD分布比矩阵,通过主成分分析(PCA)进行数据降维,再通过Kmeans算法处理降维后的数据,采用手肘法确定初始聚类数目,开展Kmeans聚类分析;依据聚类分析结果的各簇中心OD分布比及轮盘赌策略分布,以准确度较高的进站客流为OD客流,实现全线网规模的短期OD客流预测.以西南某城市轨道交通数据为研究对象开展实例研究,快速完成了全线网规模的短期OD客流预测,日粒度平均绝对百分比预测误差仅为13.7%,15 min粒度平均绝对误差仅为8.56,印证了该OD客流预测方法具有较高工程应用价值.
Short-Term OD Passenger Flow Prediction of Urban Rail Transit Based on PCA-Kmeans Algorithm

Urban Rail TransitShort-Term OD Passenger Flow PredictionKmeans Cluster AnalysisPrincipal Component AnalysisRoulette

赵利强、张涛、唐水雄、唐金金、李瑞森

展开 >

北京化工大学信息科学与技术学院,北京 100029

北京驿禄轨道交通工程有限公司,北京 101200

北京交通大学交通运输学院,北京 100044

城市轨道交通 短期OD客流预测 Kmeans聚类分析 PCA-Kmeans算法 轮盘赌

2023

10.14103/j.issn.2095-8412.2023.08.007

工业技术创新
中国电子信息产业发展研究院和赛迪工业和信息化研究院（集团）有限公司

工业技术创新

ISSN：2095-8412
年,卷(期)：2023.10(4)
  • 14