城市軌道交通車站短時客流機器學習預測方法

胡明偉，施小龍，吳雯琳，何國慶

1）深圳大學土木與交通工程學院，廣東深圳 518060；2）深圳大學濱海城市韌性基礎設施教育部重點實驗室，廣東深圳 518060；3）深圳大學未來地下城市研究院，廣東深圳 518060；4）深圳大學深圳市地鐵地下車站綠色高效智能建造重點實驗室，廣東深圳518060

根據(jù)中華人民共和國交通運輸部官方統(tǒng)計數(shù)據(jù)顯示，截至2022-06-30，中國開通運營地鐵的城市總計51個，開通運營城市軌道交通線路277 條，運營里程9 067 km，實際開行列車279萬列次，完成客運量17.8 億人次，進站量10.8 億人次［1］.隨著國內各大城市軌道交通建設的日趨成熟，地鐵線路由簡單的單條線路逐步擴大成網(wǎng)絡狀，車站客流量隨之急劇增加，使整個地鐵系統(tǒng)的客流組織管理錯綜復雜，給地鐵運營部門帶來極大挑戰(zhàn).通過分析地鐵系統(tǒng)收集的海量歷史客流數(shù)據(jù)對車站短時客流進行預測，可以提前掌握乘客的出行規(guī)律.短時客流預測結果不僅可以幫助乘客躲避交通擁堵，還能為管理部門制定決策、運營管理及合理配置資源提供數(shù)據(jù)支撐，從而提高整個軌道系統(tǒng)的運行效率，實現(xiàn)軌道交通智慧化運營.

短期客流預測方法包括基于統(tǒng)計學理論的客流預測方法、基于機器學習的客流預測方法和基于多模型融合的客流預測方法.近年來基于數(shù)據(jù)驅動的機器學習模型，如支持向量機、貝葉斯以及神經(jīng)網(wǎng)絡等，在智能交通領域特別是短期交通客流預測方面已取得較好效果.SUN等［2］提出一種基于貝葉斯算法的交通流預測模型，此模型可用于完整或有缺失的交通流數(shù)據(jù)集.CHANG等［3］提出一種基于k近鄰算法的交通流預測模型，并在實際數(shù)據(jù)集上進行多次實驗，結果表明，該模型適應于波動性大、不穩(wěn)定的交通流.JEONG等［4］提出一種基于支持向量機的交通流預測模型，與其他模型不同，此模型可以在線學習模型權重參數(shù)，根據(jù)實際數(shù)據(jù)進行參數(shù)更新，達到提升預測效果的目的.傅貴等［5］基于支持向量機建立短時交通流預測模型，引入核函數(shù)對交通流數(shù)據(jù)進行預處理，通過中國廣州市交通流檢測系統(tǒng)的實際數(shù)據(jù)，驗證模型的可行性和有效性.付宇等［6］基于地鐵車站客流，結合日期、時段、天氣及活動時間等外部客流特征，構建基于極限梯度提升（extreme gradient boosting，XGBoost）算法的大型活動期間地鐵客流預測模型.

不同預測模型各具優(yōu)缺點，對場景的適應性也不同.基于多模型融合的客流預測模型可以綜合各個模型的優(yōu)點，建立預測性能佳、適應性好的預測模型.LI 等［7］對交通流數(shù)據(jù)進行特征分析，并以客流特征作為輸入，分別構建支持向量機預測模型和差分自回歸移動平均（autoregressive integrated moving average，ARIMA）預測模型，并將模型進行融合.SHI 等［8］提出基于XGBoost 和貝葉斯算法融合的列車到站延遲預測模型，基于可能影響下一站列車到達的11個特征建立XGBoost預測模型，利用貝葉斯優(yōu)化算法對XGBoost 的超參數(shù)進行調優(yōu)，并通過實際案例表明該模型具有良好的預測效果.譚滿春等［9］構建ARIMA 模型和神經(jīng)網(wǎng)絡的組合模型，通過ARIMA 模型捕獲變量之間的線性關系，同時利用神經(jīng)網(wǎng)絡捕獲變量之間的非線性關系.

傳統(tǒng)預測模型難以實現(xiàn)準確的短時客流預測，多數(shù)研究都是在預測模型算法上進行改進，沒有從乘客出行特征角度展開深入研究，也沒有綜合考慮時間、空間及外部影響因素對乘客的影響.本研究針對地鐵短時客流預測問題，研究乘客出行規(guī)律，基于機器學習算法，結合軌道交通客流特征，建立輕量的梯度提升機（light gradient boosting machine，LightGBM）、長短期記憶（long short-term memory，LSTM）及LightGBM-LSTM 融合模型，與ARIMA 和XGBoost 模型進行比較，并通過杭州地鐵的歷史自動售票系統(tǒng)（automatic fare collection，AFC）刷卡數(shù)據(jù)進行驗證，結果表明，基于LightGBM-LSTM融合模型預測性能更佳，對于不同類型車站的適應性更好.

1 短時客流預測模型構建

利用Python 編程語言在Sklearn 機器學習平臺上搭建基于LightGBM 的短時客流預測模型，模型構建流程如圖1.首先將預處理好的地鐵進出站客流數(shù)據(jù)按照預先設定的比例拆分為訓練集和測試集；LightGBM 模型核心參數(shù)及控制參數(shù)初始化后，將訓練數(shù)據(jù)作為輸入數(shù)據(jù)對LightGBM 模型進行訓練，同時在劃分好的測試集上進行檢驗，計算得到初始預測結果和預測誤差；在預測誤差基礎上，對模型參數(shù)進行調節(jié)，從而得到精度更高的預測模型；若模型測試結果達到預期要求則停止訓練，輸出預測模型；最后，利用訓練好的預測模型對未來時段的客流進行預測.利用Python編程，在Tensorflow 平臺上建立基于LSTM 算法的短時客流預測模型，主要構建步驟與LightGBM模型大體相同.

由于LightGBM 模型依靠人工挖掘的特征訓練得到合適的模型，LSTM 模型擅長處理高維時空數(shù)據(jù)特征，挖掘潛在時空特征，因此，利用決策樹將兩個單一的模型進行融合，以構建預測精度更高的LightGBM-LSTM 融合模型，其融合框架如圖2.可見，LightGBM與LSTM的融合框架包括：①數(shù)據(jù)預測處理及特征工程.因為地鐵進出站客流受時間、空間及天氣因素影響，需將復雜的影響因素進行特征工程工作，在原始數(shù)據(jù)中挑選合適的數(shù)據(jù)特征，便于預測模型訓練.②基于LightGBM 和LSTM 模型的構建.利用模型融合中的學習法進行模型集成，選用決策樹作為次級學習器，構建LightGBMLSTM 融合預測模型.通過Stacking 學習法將訓練得到的多個初級學習器進行預測，將預測生成的新數(shù)據(jù)用于訓練次級學習器，其具體過程可掃描文末右下角二維碼查看圖S1.

圖2 LightGBM與LSTM模型融合框架Fig.2 LightGBM and LSTM model fusion framework.

2 案例研究

2.1 數(shù)據(jù)預處理

本研究數(shù)據(jù)集選用杭州市地鐵2019-01-02 至2019-01-25的地鐵AFC刷卡數(shù)據(jù).由于AFC系統(tǒng)及一些人為因素，收集的原始AFC刷卡數(shù)據(jù)存在異常值或空值.其中，異常值主要包括：①進出站信息不完整，僅包含進站或出站記錄之一；②進出站的地鐵站為同一站點；③進出站時間邏輯混亂；④乘客的旅行時間過長或過短.因此，根據(jù)預定義的算法先對原始數(shù)據(jù)進行清洗，將臟數(shù)據(jù)處理成滿足質量要求的合理數(shù)據(jù).當判定某些數(shù)據(jù)為噪聲數(shù)據(jù)時，對其進行剔除.

地鐵車站客流量定義為在統(tǒng)計周期內到達地鐵車站的乘客數(shù)量.其中，短時客流的統(tǒng)計周期T可根據(jù)實際需求進行調整，通常為5、10 或15 min.地鐵AFC數(shù)據(jù)記錄了乘客的進出站刷卡信息，若要在近7 000 萬條交易記錄中，獲取不同時間粒度的地鐵進出站客流量，需要對進出客流做進一步提取，為此，本研究所設計的算法流程如圖4.

圖3 地鐵車站客流提取算法流程Fig.3 Algorithm flow of subway station passenger flow extraction.

2.2 客流特征分析

地鐵進出站客流是變化的動態(tài)流，其影響因素包括營運時間、前序客流、地鐵車站及其他外部數(shù)據(jù)［10］.地鐵站點進出站客流在不同時間呈現(xiàn)不同的規(guī)律.利用地鐵車站進出客流提取算法得到每個車站的日進站客流、出站客流及總客流，其中，時間粒度選用1 個完整運營日，2019-01-02 至2019-01-25杭州市地鐵全路網(wǎng)客流量分布可掃描文末右下角二維碼查看圖S2.可見，杭州地鐵全路網(wǎng)的日總客流量呈現(xiàn)以7 d為周期的變化過程.

利用k-means 算法對杭州地鐵日進出站客流進行聚類分析，以總客流量作為聚類特征.k-means聚類算法將運營日期劃分為3 大類客流特征日，如表1.

表1 k-means算法的運營日劃分結果Table 1 Operation day division results by k-means algorithm

當前時刻進出站客流量不僅與歷史進出站客流有關，也受到前序時段客流量的影響.為充分挖掘客流分布的時間特征，將前5個預測時段的客流也作為時間特征進行相關性分析.計算得到前5個時段的皮爾遜相關系數(shù)分別為0.95、0.87、0.66、0.41及0.23.

不同地鐵站點的進出站客流存在較大差異，因此，將特征相似的地鐵站點劃分為一類展開研究.本研究采用k-means 聚類方法對杭州地鐵進行站點類型劃分，選取客流的形態(tài)特征、基本統(tǒng)計特征及時間分布特征作為聚類特征.其中，形態(tài)特征選用極大值點，基本統(tǒng)計特征選用偏度和峰度；時間分布特征選用客流時段分布均衡系數(shù)和高峰小時系數(shù)，具體數(shù)據(jù)可掃描文末右下角二維碼查看表S1.

杭州地鐵中的80個車站聚類后被劃分為5大類型，分別為工作型、居住型、居住工作混合型、購物型及交通樞紐型車站.外部環(huán)境因素也會對乘客的出行選擇產(chǎn)生一定影響，本研究選取天氣和空氣質量作為外部環(huán)境影響因素，采集杭州市2019-01-02至2019-01-25的天氣和空氣質量數(shù)據(jù)，結果可掃描文末右下角二維碼查看補充材料表S2 和表S3.將不同特征變量輸入預測模型中，得到不同因素對乘客出行的影響.

根據(jù)已構建的數(shù)據(jù)預處理算法，按照預測模型訓練學習的需要，本研究采用留出法將數(shù)據(jù)集劃分為訓練集、測試集和預測集.其中，2019-01-02至2019-01-20 的樣本數(shù)據(jù)用于訓練；2019-01-21 至2019-01-24 的樣本數(shù)據(jù)用于測試；2019-01-25 的樣本數(shù)據(jù)用于驗證模型的實際預測效果.

應用LightGBM、LSTM 及LightGBM-LSTM 融合模型進行客流預測，并增加ARIMA和XGBOOST模型作為對照組.最后，根據(jù)聚類得到的站點類型，選取5 個代表車站進行模型預測結果分析.其中，居住類站點選取濱康路站作為代表案例；工作類站點選取盈豐路站；居住工作混合類站點選取九堡站；購物觀光類車站選取龍翔橋站；交通樞紐類車站選取杭州東站.采用2019-01-25的以10 min為時間粒度的進、出站客流量進行模型驗證.

3 結果與討論

3.1 評價指標

3.1.1 平均絕對誤差

平均絕對誤差（mean absolute error，MAE）可直觀反映平均誤差值大小，計算為

其中，yi為真實值；為預測值；n為樣本個數(shù)MAE值越小，表明模型性能越好.

3.1.2 均方根誤差

均方根誤差（root mean square error，RMSE）對于一些異常值比較敏感，可以直觀表示預測值與真實值的平均偏離程度.RMSE 值越小，表明預測值與真實值越接近，預測模型的性能越好.RMSE 可計算為

3.1.3 平均絕對百分誤差

平均絕對百分誤差（mean absolute percentage error，MAPE）是相對誤差的變形，不僅可反映真實值和預測值間的誤差，還能反映誤差占真實值的百分比.MAPE 值越小，表明預測值越接近真實值，預測模型精度越高、性能越好.MAPE可計算為

3.2 居住類型車站客流預測結果分析

居住類車站（濱康路站）的進出站客流預測評價結果見表2.濱康路站位于居民區(qū)，周圍土地的功能較單一，大多為居民小區(qū)類型用地.濱康路站進出客流趨勢具有明顯的潮汐特性，表現(xiàn)為單峰特征，客流在早高峰上班時間涌入.由表2可見，基于機器學習的模型表現(xiàn)整體好于傳統(tǒng)時間序列模型.由于機器學習模型考慮了時間、空間及天氣等多種特征，模型輸入?yún)?shù)更復雜，因此，模型的時間成本更高.在單一機器學習模型中，LSTM 模型表現(xiàn)最好.基于LightGBM-LSTM的融合模型在進站客流預測中，以MAE=7.041、RMSE=9.398 及MAPE=15.75%的指標綜合表現(xiàn)最好；在出站客流預測中則以MAE=9.845、RMSE=13.029 及MAPE=17.99%的指標綜合表現(xiàn)最好.

表2 居住類車站（濱康路站）的進出站客流預測結果評價Table 2 Evaluation of passenger flow forecast results of residential station (Binkang Road Station)

3.3 工作類型車站客流預測結果分析

工作類車站（盈豐路站）進出站客流預測評價結果見表3.作為工作類型車站，盈豐路地鐵站周圍土地的功能多為居住類型.盈豐路地鐵站進出客流趨勢具有明顯的潮汐特性，與居住類車站類似都呈現(xiàn)單峰特征，但不同的是工作類車站的早高峰主要為出站客流，晚高峰主要為進站客流.

表3 工作類車站（盈豐路站）進出站客流預測結果評價Table 3 Evaluation of passenger flow prediction results of work station (Yingfeng Road Station)

由表3 可見，相較于LightGBM 和LSTM 模型，基于XGBoost 算法的模型較難適應工作類車站的客流特征，預測結果不理想.基于LightGBM-LSTM的融合模型在進站客流預測中，以MAE=13.927、RMSE=20.141及MAPE=15.53%在所有模型中的綜合表現(xiàn)最好；在出站客流預測中則以MAE=12.417、RMSE=18.935及MAPE=13.37%綜合表現(xiàn)最好.

3.4 居住-工作混合類型車站客流預測分析結果

居住工作混合類車站（九堡站）進出站客流預測評價結果見表4.作為混合類車站，九堡站位于綜合功能用地區(qū)域內，周圍的土地功能更豐富，既有居住類用地也有工作類用地.九堡站的潮汐特性為雙峰特征，既有早高峰也有晚高峰.

由表4可見，基于LightGBM-LSTM 的融合模型在進站客流預測中，以MAE=12.014、RMSE=14.469 及MAPE=13.02%的指標在所有模型中綜合表現(xiàn)最好；在出站客流預測中則以MAE=12.987、RMSE=16.588及MAPE=13.44%綜合表現(xiàn)最好.

表4 居住工作混合類車站（九堡站）進出站客流預測結果評價Table 4 Evaluation of passenger flow forecast results of residential and working mixed station(Jiubao Station)

3.5 購物類型車站客流預測結果分析

購物類車站（龍翔橋站）進出站客流預測結果評價見表5.作為購物類車站，龍翔橋站位于公用設施密集區(qū)域，周圍有旅游景點或大型商場.龍翔橋站的出站客流主要分布在上午，進站客流主要分布在下午到晚上.

由表5 可見，在單一機器學習模型中，3 個模型的效果相差不大.基于LightGBM-LSTM的融合模型在進站客流預測中，以MAE=52.768、RMSE=71.115及MAPE=9.36%的指標在所有模型中綜合表現(xiàn)最好；在出站客流預測中則以MAE=62.354、RMSE=86.111及MAPE=12.72%綜合表現(xiàn)最好.

表5 購物類車站（龍翔橋站）進出站客流預測結果評價Table 5 Evaluation of passenger flow forecast results of shopping station(Longxiangqiao Station)

3.6 交通樞紐類型車站客流預測結果分析

交通樞紐類車站（杭州東站）進站客流預測結果評價見表6.作為交通樞紐車站，杭州東站位于火車站和高鐵站區(qū)域.杭州東站的客流時間分布無明顯規(guī)律性，全天的進出站客流無明顯波峰或波谷，但是進出站客流量都很大.

表6 交通樞紐類車站（杭州東站）進站客流預測結果評價Table 6 Evaluation of inbound passenger flow forecast results of transportation hub station(Hangzhou East Railway Station)

由表6 可見，基于LightGBM 和LSTM 模型的預測效果比基于XGboost 模型好.LightGBM-LSTM 融合模型在進站客流預測中，以MAE=118.406、RMSE=150.96及MAPE=12.85%的指標在所有模型中綜合表現(xiàn)最好；在出站客流預測中則以MAE=82.256、RMSE=102.623及MAPE=8.37%綜合表現(xiàn)最好.

結語

本研究提出一種地鐵客流數(shù)據(jù)預處理算法，可有效識別和修復地鐵客流異常數(shù)據(jù)，并根據(jù)需求對不同時間粒度的車站進出客流進行提取，為客流特征分析以及模型構建奠定了數(shù)據(jù)基礎.考慮天氣和空氣質量影響因素，建立基于LightGBM 算法和基于LSTM 網(wǎng)絡的短時客流預測模型，并利用決策樹將兩個模型進行融合，提出LightGBM-LSTM的融合客流預測模型.構建ARIMA和XGBoost作為實驗對照模型，驗證本預測模型的準確性.對杭州地鐵的進、出站客流短時預測案例進行驗證，選取居住類車站、工作類車站、居住工作混合類車站、購物類車站及交通樞紐類車站為代表，分別進行基于MAE、RMSE 及MAPE 指標的模型預測結果準確性評價，結果表明，基于多特征的機器學習模型能夠較好預測地鐵車站的短時客流，為地鐵車站客流預測提供新思路，但是單一模型對于不同類型車站的預測效果波動較大；基于多模型融合的LightGBMLSTM 模型可以綜合單一模型的優(yōu)點，預測性能更佳，對于不同類型車站的適應性也更好.本研究尚未將融合后的模型與其他融合模型進行精度比較，這將是下一步工作的重點.