基于SVM-KNN的降雨条件下短时公交客流预测

• 作者: 刘欣彤 谢秉磊 黄小龙
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 城市交通 公交客流 短时预测 SVM-KNN 降雨条件
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 117-123
• 页数: 7页
• 分类号: U491.1
• 字数: 4276字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2018.05.015

摘要

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型.分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响.进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型.具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流.通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性.结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8％,综合均方相对误差(MSPE)为11.3％,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6％,5.5％.