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
张文强1
刘若男2
张含笑1
刘宇然1
李鉴1
杨欣2
1.北京市地铁运营有限公司,北京 1000442.北京交通大学先进轨道交通自主运行全国重点实验室,北京 100044
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 Regres-sion,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
分类号：U293.6(铁路运输管理工程)
论文发表日期：2023-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 41-49 )
英文信息