摘要
城市轨道交通站点客流特征分析与精准预测对提升交通资源利用率至关重要。针对预测复杂性,本文提出一种基于XGBoost模型并结合移动平均(MA)残差修正的短时客流预测方法。利用XGBoost学习客流与时间之间的非线性关系,再通过MA修正残差优化预测结果。本文基于南通地铁1号线AFC数据样本(80%训练集,20%测试集),通过平均绝对误差(MAE)、均方误差(MSE)和决定系数(R²)评价指标显示:相比单一模型,MAE从320.95降至89.18,MSE从360.21降至106.3,R²从0.78提升至0.845,精度显著提升。
出处
《电子制作》
2025年第18期117-120,共4页
Practical Electronics
基金
2025届校“优秀本科毕业设计(论文)培育计划”项目(编号:BS202413)。
