刘 杰

(重庆工程职业技术学院 智能制造与交通学院，重庆 402260)

0 引 言

随着我国高速铁路的迅猛发展，高速铁路客流预测成为铁路运营管理的重要任务之一，同时也是提升服务和管理水平的重要依据。目前已经有许多针对铁路领域的客流预测研究。汪健雄等[1]基于铁路客流的时间特征提出了一种BP神经网络改进模型，在春运客流预测中取得了较好的预测效果；李晓俊等[2]利用人工神经网络具有的高度非线性映射能力，提出径向基神经网络铁路短期客流预测模型，在T15次列车硬座席别客运量预测上取得较好效果；杨晓等[3]在考虑高速铁路短期客流的周期性和波动性基础上，提出一种改进重力模型对客流进行预测，结果表明该方法有较好的适用性；SUN Yuxing等[4]将小波分析和支持向量机模型结合对客流做短期预测，预测结果不仅精度高，还具有较强鲁棒性；李丽辉等[5]在分析影响短期铁路客流因素的基础上，提出基于随机森林回归算法预测模型，在上海到北京2015年7月—8月的客流预测中精度达到0.92；王贵平[6]运用改进的四阶段法和弗雷特法得到滇中全方式客流分布，最后建立Logit模型成功预测了铁路网络客流；LAI Qingying等[7]考虑了列车服务频率的影响，提出一种高速铁路短期客流预测混合模型，并以2012年6月—2016年12月北京南站至上海虹桥车站客流数据为验证对象，取得了较好的预测效果；M.MILO等[8]将季节自回归集成移动平均方法用在塞尔维亚铁路客流预测上，取得了较好的效果。……