西部交通科技2024，Issue(9) ：157-159,166.DOI:10.13282/j.cnki.wccst.2024.09.047

基于Stacking集成学习的轨道交通短时客流量预测研究

王菊娇 阙凡博
西部交通科技2024，Issue(9) ：157-159,166.DOI:10.13282/j.cnki.wccst.2024.09.047
✕
  • NETL
  • NSTL
  • 万方数据

基于Stacking集成学习的轨道交通短时客流量预测研究

王菊娇 1阙凡博1
扫码查看

作者信息

  • 1. 广西交通职业技术学院,广西 南宁 530023
  • 折叠

摘要

针对轨道交通客流量预测问题,文章以南宁市轨道交通1号线为对象,提出了一种基于多模型Stacking集成学习的方法,对客流量进行预测并进行评估.通过融合XGBoost、LightGBM和LSTM模型,利用各模型优势互补,降低过拟合风险,提高预测准确性和泛化能力.结果显示:Stacking模型在客流量预测中表现优异,与实际值接近,评价指标表现良好,可有效提高运营效率和管理决策水平.

关键词

轨道交通/客流量预测/Stacking集成学习

引用本文复制引用

出版年

2024
西部交通科技
广西交通科学研究院

西部交通科技

影响因子：0.309
ISSN：1673-4874
段落导航相关论文