徐熠明

（上海工程技术大学数理与统计学院，上海 201620）

0 引言

随着我国城市轨道交通事业的不断发展，许多大中城市地面交通的客流拥堵现象得到了一定缓解，同时受到严重尾气污染的环境也得到了一定改善。然而，随着地面客流量逐渐转向城市轨道交通，客流规模持续攀升，城市轨道交通的运营压力与日俱增［1-4］。为了缓解日益增长的城市轨道交通客流压力，避免因为过度拥挤的客流导致一系列事故发生，负责城市轨道交通运营的相关部门需要更好地把握客流趋势，以此制定合理的客流组织计划以及各种应急方案［3-5］。上海市作为轨道交通发展水平较高的大城市，城市轨道交通客流量过于拥挤的现状较为严重，甚至直接导致一些事故的发生。因此，合理预测轨道交通客流趋势已经成为目前上海市轨道交通建设工作的重中之重。目前有许多客流预测方法，如线性预测方法中的时间序列模型［6］、卡尔曼滤波模型［7-8］和非线性预测方法中的非参数回归、神经网络模型、支持向量机［9-11］等。不同的模型都有其适用性和优点，但是许多模型有着过于依赖历史数据或计算量特别繁琐复杂的劣势。在数据量较少情形下的短期客流量预测方面，灰色新陈代谢预测模型有其独特优势，它不仅具有传统灰色预测模型计算简便、易学好用、所需样本信息少、适用范围广等优点［12-13］，而且弥补了传统灰色预测模型的缺点：易受预测中随机干扰因素的影响。……