摘要

机器学习算法具有强大的数据处理、特征提取和数据预测能力，应用于轨道交通短时客流预测，可有效克服传统方法的不足，提高轨道交通运营效率和突发大客流处置能力。基于此，本文论述了基于机器学习算法预测地铁客流的基本流程，对比了长短时间序列算法、随机森林算法、支持向量机算法等几种算法的预测精度。研究结果显示，随机森林算法的预测精度明显优于其他算法，且经较长客流量训练后，其MAE从27.29降低至24.1,MAPE从30.87%降低至26.08%，可进一步提升算法预测精度。

关键词