原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于PSO-SVM的
轨道交通车站安全态势预测研究
李军：广州市地下铁道总公司，高级工程师，广东广州，510030
陈龙：广州市地下铁道总公司，高级工程师，广东广州，510030
陈波：北京交通大学轨道交通控制与安全国家重点实验室，硕士研究生，北京，100044
秦勇：北京交通大学轨道交通控制与安全国家重点实验室，教授，北京，100044
摘要：提出一种基于PSO-SVM算法的安全态势
预测模型，用于城市轨道交通车站安全态势预测
研究。首先介绍支持向量机(SVM)和粒子群优
化算法(PSO)的基本概念，以高斯径向基函数
为核函数建立支持向量机安全态势预测模型，然
后应用粒子群算法优化模型参数，得到优化的预
测模型，再以某车站为例进行仿真实验，结果表
明利用PSO-SVM算法预测车站安全态势值具有可
行性。该预测方法对车站安全运营和乘客安全出
行具有一定指导意义。全态势预测是一种新兴的安全技术，可以分析车站的安
关键词：轨道交通车站；支持向量机；粒子群算全状态和安全趋势。
法；安全态势；预测近年来，我国对安全态势预测进行了广泛研究，典
型的预测算法有：时间序列预测法、神经网络预测法、
中图分类号：U231文献标识码：A灰色模型法和支持向量机等。范会川基于支持向量机
文章编号：1001—683X(2014)08—01O0—05进行轨道交通列车安全态势预测，实现了对列车曲线通
过性态势的预测；任伟提出基于径向基函数的安全态
势预测算法，通过安全态势值之间的非线性映射关系，
预测网络安全态势值；宣蕾等提出基于云的定量与定
0引言
性相结合的网络安全态势预测方法，实现对未来态势发
城市轨道交通车站运营专业性强、技术设备复杂、展的预测。
客流量大，一旦发生安全事故，由于人员疏散和救援困支持向量机算法(SupportVectorMachine，SVM)
难，将会造成严重人员伤亡和财产损失，因此保障城市具有收敛速度快、绝对误差小、抗过拟合能力强、能
轨道交通车站运营安全责任重大。城市轨道交通车站安准确预测安全态势的发展趋势等优点，但是单独使用
基金项目：国家科技支撑计划项目(2O11BAGO1B02)。
．10O．
SVM作预测模型存在sVM训练过程参数选取盲目性的索空间中的当前位置；=(…，)表示第
问题I4】。在此提出一种由支持向量机和粒子群优化算法个粒子的飞翔速度；Pi=(PP…，P)表示第，个
(ParticleSwarmOptimization，PSO)组成的安全态势预粒子迄今为止搜索到的最优位置。另外，用=(P
测模型，该模型利用PSO优化SVM4JtI练参数，得到优化P…，Peo)表示整个粒子群迄今为止搜索到的最优位
的SVM预测模型，对轨道交通车站安全态势进行更为准置。粒子在搜索维解空间时，记住其搜索到的最优位置
确的预测。P。在每次迭代中，不断改变自己的位置和速度以寻求最
优位置，可以通过一个适应值函数来衡量粒子的优势。
1支持向量机和粒子群优化算法
PSO算法采用如下公式更新粒子状态：
1．1支持向量机=×k+c1，l(—)+c2，2(p：1一))，(4)
文档评论（0）