基于PSO-FSVR的城市轨道交通客流预测模型

摘要：

目的:为了提高城市轨道交通(以下简称"城轨")运营决策效率,控制运营成本,减少资源空置和浪费,有必要对城市轨道交通客流进行精准预测.方法:提出一种基于PSO(粒子群优化)-FSVR(模糊支持向量回归机)的城轨客流预测模型.对城轨客流数据进行清洗和分析,根据获取的数据构建特征空间,利用PSO 算法对FSVR模型中的参数进行优化以提高预测精度,引入模糊隶属度构建PSO-FSVR模型,增强客流预测方法的泛化能力.将该模型应用于北京地铁2号线某车站的进出站客流预测中,并引入BP(反向传播)神经网络模型与GRNN(广义回归神经网络)模型作为对比方法,采用均方根误差、显著性参数及相关系数等指标对预测结果进行评价.结果及结论:基于PSO-FSVR的城轨客流预测模型下,工作日、节假日客流预测绝对均方根误差分别为7.010 4 和8.778 5,相关系数分别为0.993 0 和0.955 8,相较其他两种模型,该模型客流预测性能最优.基于PSO-FSVR的城轨客流预测模型能够有效提高城轨客流预测的准确性,尤其在客流极值点处的表现比其他方法更加优秀,具有良好的预测性能.

关键词：城市轨道交通、客流预测、粒子群优化、支持向量回归机

所属期刊栏目：26

分类号：U293.13(铁路运输管理工程)

资助基金：中国铁道科学研究院集团有限公司科研项目2021YJ191

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48