基于集成学习的城市轨道交通乘客路径选择建模

摘要：

考虑城市轨道交通路网不同OD间客流构成的异质性,基于数据驱动方法,研究不同OD特性与路径属性组合条件下的乘客路径选择机器学习建模问题,提出将模糊聚类与集成学习相结合的建模方法.运用FCM聚类方法将路网站点划分为若干类别,以模糊聚类结果作为子学习器的划分依据,构建了基于支持向量回归机(SVR)的路径选择子学习器,实现了基于OD类别隶属度对多个子学习器进行组合的路径选择集成预测.该方法既能体现客流特性的差异对路径选择的影响,也解决了难以直接获取乘客属性对建模与预测带来的难题,有效提高了模型准确性.以北京城市轨道交通为案例,对新线开通情况下的路径选择进行预测.

关键词：城市轨道交通、集成学习、路径选择建模、轨道站点聚类、支持向量回归机

所属期刊栏目：42

分类号：U293.5(铁路运输管理工程)

资助基金：北京市自然科学基金T19E700010

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：18-24