徐熠明，赵寿为

（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蓬勃发展，居民开始更多地选择城市轨道交通作为出行方式，使得地面交通客流拥堵现象得到一定程度的缓解。然而，随着客流逐渐涌入城市轨道交通，导致客流规模持续攀升［1-4］，给城市轨道交通部门的运营工作带来了一定压力，因此对于客流进行合理预测逐渐成为相关部门的工作重点。其中节假日作为一年中的特殊时期，地铁车站在短时间内容易出现大客流。地铁运营部门需要提前掌握节假日期间客流量变化趋势来缓解客流压力，以此制定合理的客流组织计划及各种应急方案，以预防一系列事故的发生［3-5］。

目前有许多预测节假日客流的方法，主要分为线性预测和非线性预测两种。线性预测包括时间序列模型［6］、卡尔曼滤波模型［7-8］等，非线性预测包括非参数回归、神经网络模型、支持向量机［9-11］等。由于节假日客流量呈现随机性、波动性大的特征，使用线性预测模型会使得预测性能变差，而非参数回归、神经网络等非线性模型对于样本量的要求较高，当样本较少时，预测性能会大大降低。因此，单一模型已无法满足对预测精度的要求，需要采用组合模型对客流量进行预测。

潘丽等［12］利用灰色模型预测上海铁路客运量，再结合马尔可夫链模型对预测值进行修正；蒋艳辉［13］分析经典马尔可夫链存在的缺陷，针对其缺陷引入DS 证据理论，建立改进的组合模型；……