基于支持向量机模型的地铁进站客流量预测

• 作者: 秦菲菲 肖为周 郭文
• 来源期刊: 河北工业科技
• 学科: 交通运输
• 关键词: 交通运输工程 城市轨道交通 客流预测 支持向量机 进站客流量
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术
• 页码范围: 39-43
• 页数: 5页
• 分类号: U239.5
• 字数: 4828字
• 语种: 中文
• DOI: 10.7535/hbgykj.2019yx01007

摘要

为了更精确地预测短期站点客流量,及时应用于城市轨道交通日常客流组织,采用了支持向量机模型的地铁客流量预测.首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、本日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量,然后构造支持向量机预测模型并运用粒子群算法优化模型(P SO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析.最后,以苏州地铁数据为例,预测汾湖路地铁站进站客流量.结果表明优化模型能够有效改善预测误差,预测结果更准确,证明P SO-SVM方法能有效运用到对地铁进站客流量预测研究上,为地铁进站客流量预测提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦菲菲	苏州大学轨道交通学院	9	35	3.0	5.0
2	肖为周	苏州大学轨道交通学院	10	56	4.0	7.0
3	郭文	苏州大学轨道交通学院	2	9	2.0	2.0