任 娜

（陕西交通职业技术学院，陕西西安 710018）

随着经济不断发展，城市交通得到迅速发展，许多城市出现了轨道交通网络系统，让人们的工作、生活更加方便。轨道交通为解决大城市的交通拥挤提供了一种新的交通工具［1］。在轨道交通的实际应用中，还存在一些问题，如轨道交通与城市发展速度不相匹配，轨道交通规划不够科学，无法使轨道交通网络系统的作用发挥到最大化［2-4］，而短时客流量可以描述城市轨道交通的运营情况，找到城市轨道交通客流量的变化趋势。因此，进行短时客流量预测和建模对轨道交通合理规划和管理具有重要的研究意义［5-6］。

影响城市轨道交通短时客流量的因素复杂，并且其具有随机性、周期性、相关性及非线性的特征，给城市轨道交通短时客流量预测建模带来一定的困难。针对城市轨道交通短时客流量预测问题，国内外一些学者进行了相关研究。最初城市轨道交通短时客流量预测基于传统统计学理论，如，基于ARIMA的城市轨道交通短时客流量预测模型［7］，其建模过程比较简单。ARIMA的城市轨道交通短时客流量预测模型，描述城市轨道交通短时客流量时变性能力不强，因此预测结果不准确［8］。随后出现了基于现代统计理论的城市轨道交通短时客流量预测模型，如，支持向量回归机、极限学习机、长短时记忆神经网络等［9-11］。这些模型具有较好的自学习能力，城市轨道交通短时客流量预测效果明显提升，而且已成为当前城市轨道交通短时客流量预测建模的主要研究方向［12］。……