一种轨道交通实时客流预测方法技术

本发明专利技术涉及一种轨道交通实时客流预测方法，主要解决现有技术中存在的预测准确率低，计算量大的技术问题，本发明专利技术通过采用方法包括：从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本；依据中预处理样本，根据核函数及拟合回归函数建立基于支持向量回归机的短时客流预测模型，所述核函数为径向基函数；将时间序列向量X及与时间序列向X量对应的客流向量Y作为输入拟合预测函数，将所述输入拟合预测函数输入步骤短时客流预测模型，预测客流向量Yn+1；的技术方案，较好的解决了该问题，可用于轨道交通实时客流预测中。

A method of real-time passenger flow forecasting for rail transit

The invention relates to a prediction method for rail transit real-time passenger flow, mainly to solve the prediction problem existing in the prior art of low accuracy, large amount of computing technology, the invention includes a method by using the automatic fare collection system: from the acquisition of N historical data as the original sample, the original samples were pretreated by pretreatment of sample basis; in the pretreatment of samples, according to the kernel function and the regression function to establish the prediction model of short-term passenger flow based on support vector regression, the kernel function is radial basis function; time series vector X and time sequence to X corresponding to the amount of Y as a function of the input vector flow prediction fitting, the fitting function of the input input the steps of short term passenger flow forecasting model, forecast the passenger flow vector Yn+1; technical solution, a better solution to the problem, can be used for rail transit passenger flow real-time pre In survey.

【技术实现步骤摘要】
一种轨道交通实时客流预测方法
本专利技术涉及轨道交通客流预测领域，特别涉及到一种轨道交通实时客流预测方法。
技术介绍
随着城市化进程的快速发展，城市人口的出行需求与城市交通运载量之间的冲突愈发突出。城市轨道交通以其特有的高速、高容量以及环保等优势，从多种交通方式中脱颖而出，成为解决交通拥堵的主要交通工具。各城市纷纷投入建设，令城市轨道交通从单线运营向线网运营转型，其规模和复杂性提升的同时，也对轨道交通的网络化管理和发展提出挑战。而快速准确的客流预测既是科学制定行车计划的基础，也是实时调整运营计划的重要依据，它有助于交通运营管理更全面优质的发挥其作用。支持向量机，即SVM，作为一个凸二次规划问题，可保证得到的极值解就是全局最优解。这些特性使SVM足够成为优秀的基于数据的机器学习方法。SVM在解决对于小样本与高维模式识别等问题中具有突出表现，且能将应用推广至函数拟合等相关机器学习研究中。与传统的机器学习算法不同，SVM将原始样本空间映射到高维特征空间，并在新空间内求得最优线性分类面。这种映射转换即非线性转换是采用适当内积函数实现。SVM成功解决了局部极小值问题与高维问题。通过定义不同的内本文档来自技高网...

【技术保护点】
一种轨道交通实时客流预测方法，其特征在于：所述方法包括：(1)从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本，所述预处理样本包括时间序列向量X及与时间序列向量X对应的客流向量Y；(2)依据步骤(1)中预处理样本，根据核函数及拟合回归函数建立基于支持向量回归机的短时客流预测模型，所述核函数为径向基函数；(3)将时间序列向量X及与时间序列向X量对应的客流向量Y作为输入拟合预测函数，将所述输入拟合预测函数输入步骤(2)中基于支持向量回归机的短时客流预测模型，预测客流向量Yn+1；其中，X＝{t1,t2,...,tn}，Y＝{y1,y2,...,yn}。

【技术特征摘要】
1.一种轨道交通实时客流预测方法，其特征在于：所述方法包括：(1)从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本，所述预处理样本包括时间序列向量X及与时间序列向量X对应的客流向量Y；(2)依据步骤(1)中预处理样本，根据核函数及拟合回归函数建立基于支持向量回归机的短时客流预测模型，所述核函数为径向基函数；(3)将时间序列向量X及与时间序列向X量对应的客流向量Y作为输入拟合预测函数，将所述输入拟合预测函数输入步骤(2)中基于支持向量回归机的短时客流预测模型，预测客流向量Yn+1；其中，X＝{t1,t2,...,tn}，Y＝{y1,y2,...,yn}。2.根据权利要求1所述的轨道交通实时客流预测方法，其特征在于：所述建立基于支持向量回归机的短时客流预测模型包括：(A)将预处理样本作为给定训练集T＝{(x1,y1),…,(xn,yn)}∈(R×y)n；(B)根据核函数K(x,x')，计算精度ε＞0和惩罚函数C＞0，构造并求解凸二次规划目标函数；K(xi,xj)＝Φ(xi)·Φ(xj)；(C)根据二次规划目标函数及非线性拟合函数计算出决策函数：所述非线性拟合函数为：

【专利技术属性】
技术研发人员：杨梦宁，许任婕，李小斌，赵小超，徐玲，葛永新，洪明坚，黄晟，王洪星，陈飞宇，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50