张国赟 金 辉

(辽宁工业大学汽车与交通工程学院 辽宁 锦州 121001)

0 引 言

近年来中国经济水平迅速提升，交通行业中乘客出行对交通工具的需求量大幅度增加，中国城市轨道交通的水平也步入快速发展的新篇章。出于缓和城市交通拥堵问题的考虑，给城市居民带来更快速、更优质的出行服务，越来越多的城市选择具有客运量大的公共交通系统来解决这一问题。而城市轨道交通很快成为城市公共交通系统中交通工具的第一选择，不但因为其客运量大，更是因为其具有快捷迅速等突出特点。因此，做到对城市轨道交通站点的短时客流量的准确预测是非常有必要的。

对城市轨道交通站点的短时客流预测的模型现如今主要分成以下几类，第一类有基于时间序列的预测模型[1]、基于回归分析的预测模型[2]等，统称为线性预测模型，这类模型容易理解，有利于决策分析，但难以很好地表达高度复杂的数据；第二类有小波理论预测模型[3]等，统称为非线性预测模型；第三类有元胞自动机模型[4]等，统称为基于模拟交通的预测模型；第四类有基于模糊神经网络的预测模型[5]、基于BP神经网络的预测模型[6]等，统称为基于各种神经网络的预测模型；第五类有由两种预测模型组合而成等，统称为组合预测模型。Chiang等[7]使用回归分析(具有自回归误差校正)、神经网络和ARIMA模型对客流影响因素进行分析，随后进行客流预测，发现这些预测方法的简单组合比单独的模型会产生更高的预测精度，但是存在建模难度较大的问题。……