基于空间加权的LS—SVM城市轨道交通车站客流量预测.pdfVIP

第 36卷第 1期 铁 道 学 报 VoL36 NO．1 2014年 1月 J()URNAL 0F THE CHINA RAILWAY S0CIETY January 2014 文章编号 ：1001—8361(2014)01—0001—07 基于空问加权的LS—SVM城市轨道交通车站客流量预测 周家 中 ， 张殿业 (1．西南交通大学 交通运输与物流学院，四川 成都 610031；2 马里兰大学 国家精 明增长研究中心，大学公园市 20742) 摘 要：为提高城市轨道交通车站客流预测模型精度 ，简化模型数据需求规模 ，提出基于空间加权的LS-SVM城 市轨道交通车站客流预测模型。基于交通网络距离重新划分车站 的影响范围，提 出分距离影响带的线型和指数 型空间权重系数方程，结合空间权重系数 ，输入区域特征变量和车站属性变量构建城市轨道交通车站客流 LS- SVM预测模型，运用动态改变惯性权重 自适应粒子群优化算法(DCW—APSO)对模型参数进行优化选取 。应用 模型预测 2011年成都市地铁 1号线部分车站客流，并与其他模型进行比较，结果表明：模型明显提高客流预测精 度 ，简化数据需求量 ，作为城市轨道交通客流预测 的补充模型可 以进一步提高系统的可靠性 。 关键词 ：城市轨道交通 ；车站客流 ；预测 ；空间加权 ；最小二乘支持 向量机 中图分类号：u293．13 文献标志码 ：A doi：10．3969／j．issn．1001—8361．2014．01．001 DirectRidershipForecastM odelofUrbanRailTransitStations BasedonSpatialW eightedLS_-SVM ZHOU Jia—zhong ． ZHANG Dian—ye (1．CollegeofTransportationandLogistics，SouthwestJiaotongUniversity，Chengdu610031，China； 2．NationalCenterforSmartGrowthResearch Education，UniversityofMaryland，CollegePark20740，USA) Abstract：Inordertoimprovetheaccuracyoftheurbanrai1transit(URRT)stationridershipforecastmodel andtosimplifvthemodeldatascale，thedirectridershipforecastmodelofurbanrai1transitstationsbasedon thespatialweightedLS—SVM wasproposed．Thestationinfluencingareawascalculatedbytransportnetwork distances，andthelinearandexponentialspatialweightequationsassociatedwithdifferentdistancebandswere putforward．Byinputtingareacharacteristicsvariablesandstation attributevariablesbasedon spatialweight cOefficients，TheLS—SVM forecastmodelofURRT station ridershipwasbuilt．Thedynamicchangeinertia weightadaptiveparticleswarm optimizationalgorithm (DCW——APSO)wasappliedtooptimizeselectionofmod—— e1parameters．Theproposedmodelwasapplied toforecasttheridership ofsom