郭杰鹏 钟鸿彬

摘 要 以广州万胜围地铁站高峰客流量数据作为测试样本，基于Spark平台通过ARMA模型进行客流量預测预测。为广州的城市轨道交通运营作客流量数据预测上的参考指导。

关键词 城市轨道交通;客流量预测;ARIMA

引言

城市轨道是一个城市的经济与交通大动脉，与人们生活与工作息息相关。如何持续保持高效率，高可靠，安全的城市轨道交通运营成为当今的重要议题。城市轨道交通枢纽拥有巨大的乘客吞吐量与巨大的人员流动。运营方在应对日常安检、突发事件应急、人流管制与疏散等站点服务时都希望有一个较准确的客流预测系统作为工作规划与安排，并据此提前调配人力物力，更好地为市民服务。随着大数据、机器学习等技术的发展以及原始数据的积累，以客流量预测为核心的交通智能诱导技术越来越成为未来智能交通的热点问题之一。

1ARIMA预测模型

在城市轨道交通客流运输中，由于收到早晚高峰等影响，具有明显的时间特性。在分析单日客流时，也需要考虑时间序列的平稳性和季节性等的影响。假设把客流进站的粒度设置为20分钟，按每天正常的运营时间来5：00-24：00算，可以得到57个进站的时间序列，将此时间序列与大量的单日的历史客流同期序列进行组合，构成一系列时间序列用于ARIMA模型训练。模型涉及的主要参数有p（自回归项）、q（移动平均项数）和d（平稳化时间序列所做的差分次数）。时间序列平稳是模型建立的基本条件，在AIC和SBC标准的评判准则下进行大量反复测试，当两者统计量均达到较小时则表明拟合情况良好可作为预测计算的表达式。……