Resumen

En los últimos años, ha aumentado el interés por el uso de los datos de la tarjeta IC de autobús para analizar las características del tiempo de tránsito de los autobuses, y la predicción ya no se limita a la predicción del flujo de pasajeros del tráfico ferroviario y a la predicción tradicional del flujo de tráfico. La investigación sobre la predicción del flujo de pasajeros de la tarjeta IC de autobús ha ido aumentando año tras año. Basándose en los datos de la tarjeta IC de autobús de la ciudad de Qingdao, este artículo analiza primero las características del flujo de pasajeros de un día y el flujo de pasajeros durante subperíodos y realiza un estudio separado sobre las características de las personas mayores. Los resultados muestran que los viajes de las personas mayores también se ven afectados por el día laborable y el fin de semana. A continuación, basándose en el modelo ARIMA y el modelo de red neuronal NARX, se lleva a cabo la predicción del flujo de pasajeros (intervalo de 10 minutos) utilizando los datos de la tarjeta IC del autobús nº 1 durante 5 días laborables. Los resultados de la predicción muestran que el modelo de red neuronal NARX es eficaz en la predicción a corto plazo del flujo de pasajeros de autobús y, especialmente, es más preciso en la predicción de la hora punta y los datos a gran escala.

• Materias:Ingeniería electrónica Redes Inalámbricas Modelo computacional Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computational Model Signal processing computer-assisted Data processing
• Palabras claves:datos de la tarjeta ic de autobús, modelo de red neuronal narx, características del tiempo de tránsito en autobús, predicción del flujo de pasajeros en el tráfico ferroviario, predicción del flujo de tráfico tradicional, datos de la tarjeta ic, tarjeta ic de autobús, flujo de pasajeros en autobús, flujo de pasajeros durante el día, modelo de red neuronal
• Keywords:bus ic card data, narx neural network model, bus transit time characteristics, rail traffic passenger flow prediction, traditional traffic flow prediction, ic card data, bus ic card, bus passenger flow, day passenger flow, neural network model