Print

基于改进极限学习机的公交站点短时客流预测方法

论文摘要

以公交车IC卡和GPS数据为基础,提出了一种基于改进粒子群算法优化极限学习机（IPSO-ELM）的公交站点短时客流预测模型.依托IC卡和GPS数据在站点的特征表现和内在联系,定义了站点间距,并分析了站间距和车辆到总站距离间的联系;提出了公交乘客上车站点确定方法,进而得到公交站点上车客流量;通过分析公交客流数据特征,确定ELM输入参数维度,并采用IPSO算法找到ELM的最优隐含层节点参数;最后依托广州市19路公交车客流数据仓库进行了方法验证.结果表明:所用优化后的ELM方法预测误差在10%以内,并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析,发现改进的ELM方法拥有更高的可靠性和泛化性能.

论文目录

  • 0 引言
  • 1 公交客流上车站点确定
  • 2 基于IPSO-ELM的公交站点短时客流预测
  •   2.1 改进的粒子群算法
  •   2.2 改进粒子群优化极限学习机（IPSO-ELM）算法
  •   2.3 数据特征确定
  •   2.4 模型输入参数维度确定
  • 3 预测结果分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 黄益绍,韩磊

    关键词: 城市交通,公交站点短时客流预测,改进粒子群算法,极限学习机,卡数据,数据

    来源: 交通运输系统工程与信息 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 长沙理工大学道路灾变防治及交通安全教育部工程研究中心,长沙理工大学交通运输工程学院

    基金: 湖南省自然科学基金(2018JJ2444),湖南省教育厅科学研究重点项目(16A007),长沙理工大学道路灾变防治及交通安全教育部工程研究中心开放基金(kfj140401)~~

    分类号: U491.17

    DOI: 10.16097/j.cnki.1009-6744.2019.04.017

    页码: 115-123

    总页数: 9

    文件大小: 2235K

    下载量: 344

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/079c880b9ca717041a5f0cde.html