摘 要 : 提出了一种新的基于时空数据挖掘的铁路客流预测方法 ,该方法一方面采用统计学原理对 目标对象本身的时序进行预测 ,另一方面通过神经网络解算相邻对象的空间影响 ,最后使用线性回 归得到综合预测结果 . 采用该方法对某铁路直通区段 2004 年春运期间旅客总发送量进行预测 ,与 不考虑空间影响的预测方法相比 ,预测精度有所改善 . 关键词 : 铁路运输 ;客流预测 ;时空预测 ;时空数据挖掘
第28卷第5期
北 京 交 通 大 学 学 报Vol.28No.5
文章编号:1673-0291(2004)05-0016-04
基于时空数据挖掘的铁路客流预测方法
徐 薇1,黄厚宽1,秦 勇2
(1.北京交通大学计算机与信息技术学院,北京100044;2.中国铁道科学研究院电子所,北京100081)
摘 要:提出了一种新的基于时空数据挖掘的铁路客流预测方法,该方法一方面采用统计学原理对目标对象本身的时序进行预测,另一方面通过神经网络解算相邻对象的空间影响,最后使用线性回归得到综合预测结果.采用该方法对某铁路直通区段2004年春运期间旅客总发送量进行预测,与不考虑空间影响的预测方法相比,预测精度有所改善.关键词:铁路运输;客流预测;时空预测;时空数据挖掘中图分类号:U239.13 文献标识码:A
StudyofRailwayPassengerFlowForecastingMethodBasedonSpatio_TemporalDataMining
XUWei,HUANGHou_kuan,QINYong
1
1
2
(1.SchoolofComputerandInformationTechnology,BeijingJiaotongUniversity,Beijing100044,China;
ChinaAcademyofRailwaySciences,Beijing100081,China)2.
Abstract:Byanalyzingthelimitationofcurrentpassengerflowforecastapproach,thispaperpresentsanewapproachtoforecastrailwaypassengerflowbasedonspatio_temporaldatamining.Theapproachfirstforecaststimesequenceoftargetobjectusingstatisticalprinciples,thenfiguresoutthespatialin-fluenceofneighborobjectsusinganeuralnetwork,andfinallycombinesthetwoforecastingresultsus-inglinearregression.Themethodisusedintheforecastofrailwaypassengerflowduringthespringfestivalperiodin2004.Comparingwiththeexistingapproachesthatdon’tconsiderthespatialinflu-ence,theforecastaccuracyofourapproachisbetter.
Keywords:railwaytransportation;passengerflowforecast;spatio_temporalforecast;spatio_temporaldatamining
客流预测技术是交通运输领域研究的热点问题之一,一般分为短期预测和长期预测两种.短期预测方法以海量的客运历史数据为基础,研究数据随时间变化的规律,主要采用各种时间序列预测法、灰色系统法和神经网络等方法.
上述这些方法各有各的特点和适用条件.其中时间序列预测法是统计模型中最常用的方法,从时间序列中找出其中的特征、规律和变化趋势,从而得到预测信息
[1]
据少,缺点是不同的时间序列模型预测的结果差别很大.灰色系统理论是研究小样本、信息少的不确定系统的理论,通过原始数据的处理和灰色模型的建立,来发现系统的发展规律.该方法的优点是简洁实用,预测精度高,能保证样本量和计算量不随时间的变化而增加,缺点是如果数据样本不多且数据波动较大,则预测结果偏差较大.人工神经网络具有任意逼近非线性函数的特性,通过对输入输出数据的训练获得输入输出之间的关系,完成复杂的模式抽取
.其优点是计算简单,要求的历史数
收稿日期:2003-07-10;修回日期:2004-07-10
基金项目:国家“863”资助项目(2001AA135190)
作者简介:徐薇(1968—),女,黑龙江哈尔滨人,博士生.email:xuweijzy@sohu.com
黄厚宽(1940—),男,四川隧宁人,教授,博士生导师.
R W I? X W3' 2* 2+ ,R + Q9 '& 0 + &) 文章编号: #%'!'& ) %&"& ( ! $&( &)& &!%) " * 基于时空数据挖掘的铁路客流预测方法徐...
基于时空数据挖掘的铁路客流预测方法_天文/地理_自然科学_专业资料。第 28 卷第 5 期 2004 年 10 月 北京交通大学学报 JOU RNAL OF BEIJING JIA OT ON G ...
出的特征不尽收稿日期:2004—06—22 2铁路客运量数据挖掘预测建模方法由于客运量数据属性的特殊性和复杂性,面向 具有时空属性的客运量数据挖掘方法主要需要解决以下...
量数据的时空复杂性特征的基础上 , 以铁路假日运输管理系统中春运期间的客运 摘要 量数据为依据 , 采用 BP 神经网络的数据挖掘方法进行铁路客运量数据挖掘预测研究...
基于自组织数据挖掘的铁路客运量预测方法研究_交通运输_工程科技_专业资料 暂无评价
基于数据挖掘的铁路货运量预测方法 随着铁路部门信息化的建设,海量的数据积累使得采用数据挖掘技术对铁路货运量进行预测十分必要。通过系统分析、数据预处理、数据挖掘...
基于时空数据挖掘的铁路客流 预测方法〔J〕.北京交通大学学报 (自然科学版) ,2004,28(5):16-19.〔5〕 王艳辉,贾利民,王 卓,等.基于时空序列的铁路客运 量...
基于时空数据挖掘的铁路客流预测方法[J]. 北京交通大学学报: 自然科学版, 2004, 28 (5): 16-19. [5] 王艳辉, 贾利民等. 基于时空序列的铁路客运量数据...
基于假设意向调查数据的铁路客运专线客流预测方法研究_专业资料。以我国铁路客运专线新交通方式的分担率预测为研究对象,建立了基于假设意向调查数据的非集计预测模型,...
基于客流性质的铁路客流预测方法_专业资料。运用基于客流性质的铁路客流预测方法对银川—宁东铁路运营初期(2016年)、近期(2023年)和远期(2038年)客流情况进行预测。...
热门文档