Resumen

Con el fin de mejorar la precisión de la predicción del factor de carga de pasajeros del tren de alta velocidad y satisfacer la demanda de diferentes niveles de predicción y análisis del factor de carga de pasajeros, se analiza en profundidad el factor de influencia del factor de carga de pasajeros del tren. Teniendo en cuenta el factor meteorológico, los atributos del tren y la secuencia temporal del flujo de pasajeros, este artículo propone un método de predicción del factor de carga de pasajeros de trenes de alta velocidad basado en el algoritmo LightGBM de aprendizaje automático. Teniendo en cuenta la diferencia del factor de influencia del factor de carga de pasajeros de un solo tren y de un grupo de trenes, se construyeron, respectivamente, un modelo de predicción del factor de carga de pasajeros de un solo tren basado en el factor meteorológico y la secuencia temporal de flujo de pasajeros y un modelo de predicción del factor de carga de pasajeros de un grupo de trenes basado en el factor meteorológico, el atributo del tren y el factor de secuencia temporal de flujo de pasajeros. Tomando como ejemplo los datos del factor de carga de pasajeros de trenes de alta velocidad en una zona determinada, se verificó y comparó la viabilidad y eficacia del método propuesto. Se verifica que el algoritmo LightGBM de aprendizaje automático propuesto en este trabajo tiene una mayor precisión de predicción que los modelos tradicionales, y su predicción científica y precisa puede proporcionar una referencia importante para el cálculo de los ingresos por billetes de pasajeros, el análisis del beneficio de la operación, etc.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:factor de carga de pasajeros de tren, secuencia temporal de flujo de pasajeros, ferrocarril de velocidad, factor meteorológico, factor de influencia, aprendizaje automático, atributo de tren, factor de secuencia temporal de flujo de pasajeros, predicción del factor de carga de pasajeros, modelo de predicción del factor de carga de pasajeros
• Keywords:train passenger load factor, passenger flow time sequence, speed railway, weather factor, influence factor, machine learning, train attribute, passenger flow time sequence factor, passenger load factor prediction, passenger load factor prediction model