杨迎卯

（温州市铁路与轨道交通投资集团有限公司运营分公司，浙江 温州 325000）

1 背景

客流预测对城市轨道交通系统短期、中长期的经营管理有着极大的帮助，是指导日常运输组织、优化列车开行方案、优化车站设施布局、制定客流引导策略及提高经济效益的重要前提。按照预测时间跨度，客流预测可分为长期、短期、短时客流预测。长期预测依据地域发展规划及经济趋势进行，短期预测主要依据季节性特征，短时预测则根据早晚高峰、节假日、大客流活动、气候骤变等客流时间进行，本文主要研究短时客流预测。

基于线性理论，客流预测问题分为基于线性的统计预测、基于非线性的模型预测及统计学-非线性模型组合预测三类。基于线性近似的非线性预测模型，主要有时间序列法和卡尔曼滤波模型[1,2]。有研究表明，基于统计学数学方法已经能够解决大部分客流预测问题，而随着预测周期变短、预测干扰增强等非线性特征的增强，预测模型预测的稳定性也会变差。常见的非线性模型有马尔科夫链、神经网络模型等，这类方法具备多源数据特性，令预测模型更合理[3,4]。但人工客流疏导、班次修改、临时关站等事件，会使模型的精度失控。基于组合非线性模型并结合统计学数学方法分类的预测成为当前研究的主流方向。

基于机器学习方法，客流预测可分为基于统计学理论的模型驱动、基于神经网络模型的数据驱动和基于多模型的组合方法。……