针对城市轨道交通短时进站客流时间序列非线性、动态性的特点,构建了非线性自回归神经网络模型(nonlinear autoregression neural network,NARNN),进行地铁进站客流短时预测.采用地铁AFC刷卡系统的实际数据构造训练及测试样本,分别以5,15 min的时间测度对工作日及节假日的进站客流进行短时预测.结果显示,不同时间测度下,该模型对两组实验数据均能较好地拟合,表明其有一定的应用价值;与线性时间序列预测模型相比,该模型预测结果具有更小的平均绝对误差和均方根误差,表明其预测精度优于线性时间序列预测模型.
NETL
NSTL
万方数据
维普
