基于SARIMA的铁路客流量预测模型

一、模型应用

本案例通过列车运行的2015年1月至2016年3月的数据进行分析，对ST250站点的客流规律进行探索分析，并构建模型预测ST250站点的旅客上车出行的客流量，进而给铁路部门的站点规划、服务改进与列车调度提供合理参考。

表 1给出了2015年1月至2016年3月的列出运行的部分梯形密度表数据：

表 1梯形密度表

本次数据挖掘建模目标如下：*数据详见：示例程序/data/201501-201603

(1)利用列车运行数据，探索ST250站点旅客出行规律；

(2)构建模型，对ST250站点旅客的上车出行客流量情况做出预测。

二、实现流程

以上应用其主要流程为：

1. 数据抽取

2. 数据清洗、异常值排除等数据预处理操作

3. ARIMA模型

4. 非节假日客流预测

5. 节假日客流预测

本用例基于时间序列ARIMA模型，采用含有季节性趋势的SARIMA模型对数据进行拟合，实现对铁路客流量进行预测。

三、核心技术

• 数据预处理

• 时间序列(SARIMA）模型

• 节假日与非节假日客流预测

四、你可以将本模型用于

• 教与学：可落地操作、学生参与度高、交互性强；

• 科研：将前时间序列SARIMA模型与具体行业应用结合，为科学研究提供素材；

• 生产：将模型改进后直接用于实际生产环境：优化铁路车辆资源配置、客运汽车资源配置。

五、运行环境

windows／linux／mac OS，64位操作系统，内存：4GB以上，R3.5.1

六、资源展示