徐皓

（合肥职业技术学院，安徽 合肥 230000）

1 前言

城市轨道交通客流对地铁实际运营过程中的策略决策有重大影响。现阶段，国内各地铁公司虽有各种大客流的应急预案，但都有明显的滞后性。所以，近年来，国内各大城市都对地铁客流的预测展开了研究。其中，杭州地铁借助阿里云平台，由达摩院牵头，开展了一次“天池全球城市计算AI挑战赛-地铁客流量预测 大赛，用于甄选出适合杭州地铁的客流预测模型，为后来的运营管理提供数据支撑，可见客流预测越来越被人们所重视。

2 现有模型概述

常见的时间序列有平稳非平稳之分。其中，前者是序列的统计特征[均值E(Xt)、协方差Cov(Xt,Xs)、相关性不随时间变化而变化。非平稳时间序列，统计特征随着时间的变化而变化。

判断其是平稳还是非平稳序列，常用如下：（1）利用散点图进行平稳性检验；（2）利用样本自相关函数进行平稳性判断；（3）单位根检验等检验方法，此处选用最简单的曲线图来直观判定，实际效果见图1。

图1

2.1 时序模型的预处理

对于平稳非白噪声序列，它的均值和方差是常数。ARMA模型适用于此种序列。

对于非平稳序列，由于统计特征不稳定，首先转化成平稳序列，然后分析，常用ARIMA 模型。

2.2 几种时间序列模型的总结

（1）AR（自回归模型）：用变量历史数据对未来预测，该模型必须满足平稳性的要求。

如 果{εt} 为 白 噪 声， 服 从N(0,σ2)，a0,a1,...,ap(ap≠0) 为实数，就称p 阶差分方程：

是一个p 阶自回归模型，简称AR(p)模型。自回归方法的优点是所需资料不多，可用自身变数数列来进行预测。……