Python轨道交通客流预测系统源码.zip

以某地铁站系统的用户客流量数据为基础，补充研究当日包含的天气因素等数据，完成基于地铁出行平常日(不包含节假日)客流量数据的训练，实现对地铁站点的客流进行分析和预测。 通过 2019 年某地铁站的日客流量数据以及，每日天气因素的数据，进行相关数据处理之后，将数据分割 8:2 对应训练集及测试集，选择神经网络模型对训练集数据进行训练，并对测试集数据进行预测和可视化输出。 包含技术 本项目用到的主要技术包括： 数据科学：numpy，pandas 画图：matplotlib，seaborn 数据建模：sklearn 神经网络模型：LSTM

本文选取2015年1月至2016年3月中国部分车站的客流数据，建立了BP神经网络的铁路客流时间序列预测模型。 但由于收敛速度慢，容易陷入问题的局部最优解，建议通过遗传算法改进BP神经网络的时间序列模型，以预测铁路客流。 实验结果表明，改进的方法具有较高的预测精度和较好的非线性拟合能力。

轨道交通短期客流预测方法及其算法研究.docx

中国大学生服务外包创新大赛 源码 赛道：轨道交通客流预测

上海市地铁客流数据 接近半个月 太大无法无法上传 需要私信

基于神经网络客流预测的高峰期公交时刻表优化

城市轨道交通客流预测内容与方法探讨，施泉，吴中，本文阐述了轨道交通客流预测的历史、内容、复杂性及评价标准，并对其方法进行了探讨。

客流预测是城市轨道交通或地铁运营中必不可少的功能部分。 准确的客流预测有助于解决诸如减少拥挤和乘客等待时间、缓解交通拥堵或通过交通控制和路线引导减少发生率等问题。 这篇系统的文献综述展示了 Metro 几年来最先进的客流预测算法。 此前，已有多项研究提出了一种预测地铁客流的算法，从传统的经典算法、基于回归的模型、基于机器学习的模型和混合模型。 我们探讨了多年来研究中使用算法的频率、开发算法时使用的变量，以及如何衡量每种算法的性能。

针对公交客流的时变特征，假设当前时刻的客流量仅与历史客流量和发车频率相关，提 出一种基于贝叶斯网络的短时公交客流预测模型，给出了节点定义、网络结构与参数学习及推理 算法，揭示了它们之间的因果关系；通过南通市３０１路公交线路某个站点的实际客流调查，利用该 模型预测其发展趋势，并与神经网络、支持向量机等预测模型进行比较，验证了其有效性。