地铁客流量的灰色支持向量机组合预测 metro passenger volume prediction based on grey-support vector machine.pdfVIP

第37卷第2期 大连交通大学学报 V01．37No．2 1Q!鱼生兰旦 !Q型垦堕垒生Q!里垒些垒堕!!垒Q!Q盟生旦堕!!兰垦兰!翌 垒P!：兰Q!鱼 文章编号：1673—9590(2016)02·0006—04 地铁客流量的灰色支持向量机组合预测 王洪德1，刘岩2 (1．大连交通大学土木与安全工程学院，辽宁大连116028；2．大连交通大学环境与化学工程学院，辽 宁大连116028)米 摘要：根据灰色理论所需原始数据少、建模简单、对模糊因素处理准确，结合支持向量机的小样本、非 线性、预测精度高、泛化能力强等优点，建立基于灰色支持向量机的地铁客流量组合预测模型．研究结果 表明：与单一的灰色预测、支持向量机预测结果相比较，该组合模型的预测结果与实际结果的相对误差 只有3．61％，具有较强的实用性和推广性，适用于地铁客流量的预测． 关键词：地铁运输；灰色模型；支持向量机；客流量；组合预测 文献标识码：A 0 引言 神经网络和LSSVM的组合预测模型对客流量进 行了预测，并应用于工程实践中；刘岩H1等利用 自1 863年，世界上第一条地铁伦敦大都会地 相关断面的预测方法对客流量进行了预测，取得 铁建成以来，地铁交通以其舒适度好、运量大、速 了一定效果．然而，如何通过行之有效的科学方法 度快、时间准、无污染等优势，成为轨道交通中发 预测地铁客流量，达到预测精度高、误差小的目 展最为迅速的交通方式，在许多城市交通中已经 的，仍然处于探索阶段．本文通过分别采用灰色模 担负起主要的乘客运输任务，越来越成为人们出 型(GM)、支持向量机模型(SVM)和灰色支持向量 行的首选工具，受到了各国政府的青睐． 我国轨道交通建设虽然起步较晚，但发展迅 机(Grey-SVM)组合模型对地铁客流量进行预测， 速．近年来，经过学者的不断研究，远期客流预测 挖掘地铁客流量分布规律，给出更接近于工程实际 理论、方法和模型体系的研究较为完善，但针对短 的预测方法，以期达到预测精度更高的实用效果． 期客流量预测技术还不够成熟．由于短期客流量 1两种预测方法 的预测时限短，出行行为、运营方案、轨道运营初 期系统服务水平、轨道与其他交通方式协调程度 1．1灰色预测 等因素的不确定，以及经济社会和土地利用的实 灰色预测是通过对不确定因素间的关联性进 际发展往往偏离当初的规划预期，使得交通环境 行鉴别，通过对原始数据生成列的处理找寻变动 和条件的动态变化，从而影响了短期客流预测结 规律，从而生成规律性较强的数据序列模型来实 果．而根据客流量分析与评价需求，预测结果与实 现预测． 际结果误差不宜超过20％…．如若仍继续使用已 对于数据序列的预测，可以按照如下步骤进行： 有的远期客流预测方法，会导致预测值偏离值过 步骤1：建立原始数列戈∞’，级比数列or‘∞ 大，不能真实反映实际客流量分布规律．针对地铁 X‘o’=(戈‘o’(1)，戈‘o’(2)，…，x‘o’(凡))， 客流分布规律问题，国内外学者进行了大量研究， 令盯‘o’(k)为戈‘o’在k点的级比 杨军等嵋。提出了一种基于小波分析的支持向量