基于RS-IPSOSVM的公交客流量预测方法

作者：黄益绍; 韩磊^*

来源：重庆交通大学学报(自然科学版), 2020, 39(11): 11-19.

• 交通工程
• 公交客流量预测
• 粗糙集
• 改进粒子群优化
• 支持向量机
• 数据挖掘

为了提高公交客流预测的准确性,基于公交IC卡数据,挖掘公交客流的变化规律和影响因素,提出了一种基于粗糙集(RS)和改进粒子群(IPSO)优化支持向量机(SVM)的公交客流量预测方法。首先,通过对客流数据的深度挖掘,确定公交客流的影响因子;其次,利用粗糙集对13个初始影响因子进行属性约简,剔除冗余信息,得到8个核心影响因子;再次,引入自适应调整的惯性权重和异步变化的学习因子对PSO算法进行优化,利用IPSO算法来寻找SVM全局最优参数,通过核函数将公交客流核心影响因子映射到高维空间,拟合核心影响因子与公交客流量间的非线性映射关系,实现客流的预测;最后,以广州市公交线路客流数据进行了方法验证。结果表明:所用方法预测精度在90%以上,简化了训练样本,克服了SVM参数选择的盲目性,实用性和可靠性均得到有效提高。

• 单位
  同济大学; 长沙理工大学