基于K-means聚类组合模型的公交线路客流短时预测

摘要：

预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持向量机、BP神经网络、自回归滑动平均模型,并考虑天气因素的影响,用遗传算法优化模型参数,对比预测结果,从中选择每个聚类的最佳预测模型构成组合模型.最后以长沙市104路公交客流数据作为实例进行预测分析,结果显示:客流数据时变特征对模型具有选择性,K-means聚类组合模型能够更好地根据不同时段客流数据的时变特征进行分类,因而有利于提高预测绩效;考虑了天气因素的K-means聚类组合模型能进一步提高公交线路的短时预测绩效.

关键词：公交线路客流、短时预测、K-means聚类算法、组合预测模型

所属期刊栏目：47

分类号：U491.1+4(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目61203162;湖南省自然科学基金资助项目2018JJ2537;湖南省交通厅课题201723

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：83-89,113