基于SVM-KNN的降雨条件下短时公交客流预测

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％.

关键词：城市交通、公交客流、短时预测、SVM-KNN、降雨条件

所属期刊栏目：36

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目71473060

在线出版日期：2019-01-24（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：117-123