Resumen

Para resolver los problemas de los métodos actuales de pronóstico a corto plazo para el flujo de pasajeros del metro, como factores de influencia poco claros, baja precisión y alta complejidad espacio-temporal, se propone un método para el flujo de pasajeros del metro basado en ST-LightGBM después de considerar el flujo de pasajeros en transferencia. En primer lugar, utilizando datos históricos como conjunto de entrenamiento para transformar el problema en un problema de predicción de regresión de múltiples entradas y una sola salida basado en datos, se formaliza el problema de la predicción a corto plazo del flujo de pasajeros del metro y se identifican las dificultades del problema. En segundo lugar, extraemos las características temporales y espaciales candidatas que pueden afectar el flujo de pasajeros en una estación de metro a partir de datos de viajes de pasajeros basados en la transferencia espacial y la similitud espacial del flujo de pasajeros. En tercer lugar, utilizamos un algoritmo de selección de características de coeficiente

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Problemas; Flujo de pasajeros del metro; ST-LightGBM; Flujo de pasajeros de trasbordo; Datos históricos; Características
• Keywords:Problems; Metro passenger flow; ST-LightGBM; Transfer passenger flow; Historical data; Features