基于向量自回归和动态模式分解的城市轨道交通短时OD预测 |
| |
引用本文: | 张文强,刘若男,张含笑,刘宇然,李鉴,杨欣.基于向量自回归和动态模式分解的城市轨道交通短时OD预测[J].北京交通大学学报(自然科学版),2023(6):41-49. |
| |
作者姓名: | 张文强 刘若男 张含笑 刘宇然 李鉴 杨欣 |
| |
作者单位: | 1. 北京市地铁运营有限公司;2. 北京交通大学先进轨道交通自主运行全国重点实验室 |
| |
基金项目: | 国家自然科学基金(72071015,72288101)~~; |
| |
摘 要: | 针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归(Vector Auto Regression, VAR)和动态模式分解(Dynamic Mode Decomposition, DMD)的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据(Auto Fare Collection, AFC),对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明:相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.
|
关 键 词: | 地铁OD量 短时预测 动态模式分解 向量自回归模型 实时更新算法 |
|
|