基于物联网设备检测数据的城市轨道交通车站站台多维度实时客流密集度指数预测方法研究
实时准确的客流预测是城市轨道交通客流预警和疏导的基础。本文针对城市轨道交通车站站台的实时 客流密集度指数预测问题,根据实时客流的“间歇性”特点,依据 3 0 s 为周期的真实检测数据,分别构建低、中、高 3 个时间维度在线实时预测模型。根据应用需要,对 3 0 s 低纬度预测采用自回归与移动平均整合模型（ARI- MA）,对 3 min 左右中维度提出多因素 logistic 预测模型,15 min 构建一种灰色与移动平均整合模型,并分别对预 测参数进行估计。通过对 1 0 余个车站早晚高峰及平峰不同数据的大量在线实验验证模型的准确性,以北京地铁 动物园站为例进行介绍,3 个维度精度分别达到 9 7%、9 5%、9 9%。结果表明:采用本文提出的模型较其他时间序 列模型进行城市轨道交通车站设施的实时客流预测,具有更好的预测性能。本文所提模型已经用于北京市轨道 交通安全防范物联网示范工程中,初步取得较好的实践效果。
- 2021-06-28
- 阅读197
- 下载0
- 5页
- pdf
