基于改进KNN算法的城轨进站客流实时预测

作者：郇宁; 谢俏; 叶红霞; 姚恩建城市交通实时预测k近邻进站客流动态时间规整

摘要：针对实时进站客流数据的高维数、多噪声、波动频繁等特征，本文提出一种基于改进K最近邻(K-nearest-neighbor,KNN)算法的城轨进站客流实时预测方法.首先，通过对分时客流数据的相关性分析，确定表征客流特征的状态向量；其次，结合数据特性改进近邻样本的模式匹配过程，利用关键点法去除原始序列中的噪声扰动，并引入动态时间规整算法实现考虑序列形态的相似性度量；再次，根据样本间流量差异引入距离权重和趋势系数，推演未来时段的进站量，实现滚动的实时预测；最后，依托广州地铁客流数据仓库对预测模型进行精度分析.结果表明，对于全网159个站点，5 min粒度下全天分时进站量预测的平均绝对百分比误差的均值为11.6%，能够为路网状态监控提供可靠的数据支撑.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社