秦伟　曾明

摘要：本文利用郑州地铁的乘客OD数据，对不同时间周期内的站点进、出站客流进行预测。利用深度学习网络，将数个弱回归模型集成融合成强回归模型。同时，利用参数修正算法对该模型进行进一步地增强。最终，通过郑州地铁真实数据对该模型进行了评估，得到了满意的效果。

关键词：集成融合;深度学习;回归模型

1背景

地铁是市民常用的交通工具之一，地铁的进站和出站人数会随着季节、节假日、工作日、周末、每天不同的时段等不同而发生变化，特别是在节假日、工作日的早晚高峰期，这对地铁工作人员进行实时管控提出了很大的要求。如果没有实时的掌握住每个时段的客流信息，那么将会对整个列车的调度造成很大的影响，也会给市民的出行造成很大的不方便。所以，对地铁客流进行预测是非常重要的。

本文提出了一种基于集成融合算法的客流预测模型，可以灵活地融合地铁OD数据、节假日、天气、特殊事件等信息，利用深度学习、机器学习、集成融合等方法，通过数据预处理、特征工程、模型建立、训练和评估这一系列的过程，进行站点/线路不同时间周期内进、出站客流量的预测。

本文后续章节安排如下：第2章，介绍客流预测模型的总体设计和重点算法;第3章，对客流预测模型进行测试评估，并且分析结果;第4章，进行总结和提出后续工作方向。

2总体设计方案

本次模型的总体设计方案如下图所示：

将需要预测的日期根据实际的分析结果，进行分类：