- 1、本文档共13页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
考虑动态波动性的轨道交通站点短时客流预测方法
考虑动态波动性的轨道交通站点短时客流预测方法
段金肖 丁川 鹿应荣 马晓磊
北京航空航天大学交通科学与工程学院 北京航空航天大学车路协同与安全控制北京市重点实验室
X
关注成功!
加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知!
新浪微博
腾讯微博
人人网
开心网
豆瓣网
网易微博
摘????要:
轨道交通站点客流预测研究缺乏对短时客流动态波动性的考虑, 不能预测短时客流区间。以北京市典型轨道交通站点为例开展实证, 构建ARIMA-GARCH模型对误差项建模分析, 拟合短时客流的随机波动特征。不同于以往的ARIMA-GARCH模型, 研究还通过t分布揭示了客流的尖峰后尾效应, 通过2种非对称GARCH模型识别了短时客流的非对称波动特征。模型结果表明, 相比传统ARIMA模型, ARIMA-GARCH混合模型降低了20%以上的客流平均置信区间长度 (MPIL) , 同时提高了1%左右的置信区间覆盖率 (PICP) ;周内客流波动性大于周末客流, 而非高峰时段的客流不具有波动性。值得指出的是ARIMA-GARCH模型没有明显降低客流预测的平均绝对误差, 尽管如此, 混合模型可以在保证客流单点预测的前提下, 准确地预测地铁客流区间。
关键词:
城市交通; 动态波动性; ARIMA-GARCH模型; 短时客流; 对称性;
作者简介:段金肖 (1994-) , 硕士研究生.研究方向:交通行为建模与分析.E-mail:duanjinxiao@
作者简介:丁川 (1986-) , 博士, 讲师.研究方向:交通行为建模与分析.E-mail:cding@
收稿日期:2016-12-16
基金:国家自然科学基金项目 U1564212) 资助
A Prediction Approach of Short-term Passenger Flow of Rail Transit Considering Dynamic Volatility
DUAN Jinxiao DING Chuan LU Yingrong MA Xiaolei
School of Transportation Science and Engineering, Beihang Universtiy;
Abstract:
Previous methods on forecasting passenger flow of rail transit lacks consideration of dynamic volatility, and cannot predict the range of short-term passenger flow.Taking typical rail transit stations in Beijing as a case study, an ARIMA-GARCH model is established to simulate the prediction interval (PI) , and fit the stochastic volatility of shortterm passenger flow.The effect of sharp peak and heavy tail is analyzed by using t distribution.The asymmetry volatility effects are addressed by using T-GARCH and E-GARCH models.Results show that the integrated ARIMA-GARCH models can significantly reduce the mean prediction interval length (MPIL) in forecasting passenger flow by more than20%, and improve the prediction interval coverage probability (PICP) by about 1%.It is also found that volatility of passenger flow in weekdays is larger than weekends, while no evident volatility exists during non-peak hours.Note that, an ARIMA-GARCH model will not significantly reduce mean absolute prediction error (MAPE)
您可能关注的文档
- 基于卓越计划高级工程人才培养的《桥梁工程》教学改革.doc
- 基于卓越绩效管理模式下共用护理单元绩效分配方案的应用.doc
- 基于专业骨干课程建设的《材料科学基础》课程教学实践与探索.doc
- 基于字素分割的蒙古文手写识别研究.doc
- 基于综合承载力的北京市适度人口研究.doc
- 基于卓越农林人才培养计划的园林树木学课程实践教学改革——以上海交通大学为例.doc
- 基于综合H+T指数缩短租房人群通勤时间策略.doc
- 基于最小候梯时间调度原则的电梯群控技术研究.doc
- 激光雷达深度信息安全传输端口设计.doc
- 基于组态技术与PLC的交通灯监控系统设计.doc
- 2024年中国钽材市场调查研究报告.docx
- 2024年中国不锈钢清洗车市场调查研究报告.docx
- 2024年中国分类垃圾箱市场调查研究报告.docx
- 2024年中国水气电磁阀市场调查研究报告.docx
- 2024年中国绿藻片市场调查研究报告.docx
- 2010-2023历年初中毕业升学考试(青海西宁卷)数学(带解析).docx
- 2010-2023历年福建厦门高一下学期质量检测地理卷.docx
- 2010-2023历年初中数学单元提优测试卷公式法(带解析).docx
- 2010-2023历年初中毕业升学考试(山东德州卷)化学(带解析).docx
- 2010-2023历年初中毕业升学考试(四川省泸州卷)化学(带解析).docx
文档评论(0)