基于文献计量分析的客流建模方法综述
数字图书馆
2026-01-13 v2 人工智能
摘要
本文对本地公共交通中的短期客流预测领域进行了文献计量分析,涵盖了1984年至2024年间的814篇出版物。除了常见的文献计量分析工具外,还开发了一种引文网络的变体,并进行了主题建模。分析显示,2008年之前的研究活动呈现零星模式,随后显著加速,其特征是从传统的统计和机器学习方法(例如ARIMA、SVM和基本神经网络)转向专门的深度学习架构。基于这一见解,建立了与机器学习和时间序列建模等更广泛领域的联系。除了建模之外,还识别了空间、语言和模态偏差,并对现有二手文献的发现进行了验证和量化。这揭示了现有差距,例如受限的数据融合、开放(多变量)数据,以及模型可解释性、成本效益以及算法性能与实际部署考虑之间的平衡等未被充分认识的挑战。与上级领域相关,基础模型相关性的增长也值得注意。
引用
@article{arxiv.2511.13742,
title = {Review of Passenger Flow Modelling Approaches Based on a Bibliometric Analysis},
author = {Jonathan Hecht and Weilian Li and Ziyue Li and Youness Dehbi},
journal= {arXiv preprint arXiv:2511.13742},
year = {2026}
}