基于ε-SVR的快速公交到站时间预测-厦门大学学报（自然科学版）.docVIP

doi:10.6043/j.issn.0438-0479.201605006 基于ε-支持向量机回归的快速公交 到站时间预测 张洋1，2*，程恩1 （1. 厦门大学信息科学与技术学院,福建 厦门 361005；2.福建信息职业技术学院,福建 福州 350003） 摘要：本文选择ε-支持向量机回归（ε-support vector machine regression , ε-SVR）算法预测快速公交车(BRT)的到站时间，以提高公共交通的准点性。仿真时。Deeshma, M等［6］针对班加罗尔的公交车的出行时间，采用出行Bai等［8］提出了基于支持向量机和卡尔曼滤波的混合模型预测公交车在下一站的到站时间。Zhong［9］提出了改进的支持向量机（support vector machine ,SVM）模型，格鲁布斯检验法在模型中对输入数据进行滤波，提高预测准确性。组合预测模型将不同的预测方法进行组合，可以有效利用各种模型的优点。根据公交到站时间预测研究现状来看，支持向量机回归（SVM regression, SVMR）研究的是在小样本下的统计学规律，它具有很强的学习能力,泛化能力明显优于神经网络,很容易在拟合程度与泛化水平上进行平衡。因此,本文选取了SVMR来进行公交车运行时间的预测。 1 BRT公共交通的特性及影响因素分析 快速公交是一种介于常规公交与轨道交通之间的公共交通出行方式