江世雄，蔡灿煌，林宇晨，陈德旺

(福州大学，a.数学与计算机科学学院；b.智慧地铁福建省高校重点实验室，福州350108)

0 引言

随着我国城市化水平不断提高，城市规模不断扩大，交通问题已成为大城市可持续发展的关键问题。地铁因其运量大、速度快、准时性好等优点，在各大城市得到迅速发展。地铁客流量对于地铁运营至关重要，不仅涉及前期规划，还影响设施设备配置和运输组织。因此，研究地铁客流影响因素具有重要的理论意义和现实价值。

天气因素作为影响交通出行的一个重要要素，波动程度大，分析其对客流影响有助于提前预估出行需求，优化交通运输管理措施。国内外学者开展了一些研究。滕靖等[1]分析南京—上海的铁路客流数据发现，日期属性和天气因素对铁路城际短期客流的波动产生显著影响，并提出粒子群优化-长短期记忆神经网络(PSO-LSTM)组合模型预测短期客流。刘欣彤等[2]提出基于支持向量机-K 邻近算法(SVM-KNN)的短时公交客流预测模型，分析降雨天气和公交客流的相关关系。金聪等[3]利用KMeans算法对地铁站点进行聚类，并以多元回归预测和KNN算法预测短时客流。

此外，Najafabadi等[4]利用高精度雷达降雨信息和地铁客流数据，以多层次贝叶斯回归模型挖掘变量之间的相关关系。Wei等[5]采用负二项回归模型分析天气对公交、火车和轮渡客流的影响。该研究发现，轮渡客流量对于天气最为敏感，早晚高峰时段客流受天气影响较少。Arana 等[6]通过多元线性回归研究发现，风力和降水的增大使公交客流减少[7]，而温度升高将使客流增加。……