基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

马飞虎，金依辰，孙翠羽

华东交通大学土木建筑学院，江西南昌330013

随着城市化进程的飞快推进，城市交通堵塞现象越来越严重.大力推进公共交通的蓬勃发展是舒缓城市拥堵压力的有效方法.地铁作为城市主要公共交通工具之一，因其准点率高、运量大等特点受到广泛青睐，但地铁站客流量过于饱和的情况也时有发生.为了更加合理地进行车辆调度和制定人员配置方案，并在满足人们出行需求的基础上实现资源利用最大化，准确的地铁客流量短时预测是非常必要的[1-2].

目前地铁客流量的短时预测是一个研究热点，很多学者运用了不同的方法构建模型从而进行客流量预测研究.文献[3]采用了自回归滑动平均（auto-regressive moving average,ARMA）时间序列模型对地铁的客流量进行预测，结果表明ARMA 模型较适用于平稳的客流量数据，当客流量受外界因素（如天气、周末、节假日等因素）影响发生较大变化时，ARMA 模型会出现较大的预测误差；文献[4]提出了基于卡尔曼滤波算法的轨道交通短时换乘客流预测模型，但该模型对突变点的预测精度不达标，且部分预测结果存在时滞问题；文献[5]应用Elman 神经网络预测模型进行了地铁短时客流预测，研究显示，该模型针对含有非线性特征的地铁客流数据的短时预测有良好效果.

神经网络因其具有可探索数据间的复杂关联、拥有良好的数据处理能力、对样本数据的质量要求较少、运算灵活机动的特点在数据处理与运算……