一种基于多目标优化和SVR的地铁客流预测方法技术

本发明专利技术公开了一种基于多目标优化和SVR的地铁客流预测方法，具体按照以下步骤实施：步骤1、选取某地一年内350天的地铁客流数据，以及当天是否是节假日、是否有突发事故、天气情况、具体日期，周几，组成350*6的样本数据，对样本数据进行预处理和逆运算；步骤2、利用遗传算法对支持向量回归机的输入空间进行特征选择，以此优化训练集；步骤3、利用遗传算法寻找最优的支持向量机参数；步骤4、使用所选择的训练集和参数C，γ，ε来训练SVR，得到满足要求的训练误差MSE，终止迭代得到预测地铁客流量的SVR。通过本发明专利技术的方法预测地铁客流量数据误差在0.01范围内，误差小，预测结果准确率高。

A prediction method of subway passenger flow based on multi-objective optimization and SVR

【技术实现步骤摘要】
一种基于多目标优化和SVR的地铁客流预测方法
本专利技术属于人工智能
，涉及一种基于多目标优化和SVR的地铁客流预测方法。
技术介绍
随着城市人口的日益增多和城市功能的日益强大，城市交通量与地铁运营之间的矛盾日益突出，直接制约了城市经济的进一步发展，因此，客流预测影响整个规划过程，是城市轨道交通规划的基础之一。目前我国城市轨道交通客流预测中普遍存在着规划阶段的预测结果，与运营之后的实际客流有较大差异。支持向量回归机(SVR)算法是运用于回归和预测领域的一种方法，它的基本思想是：假设训练集T{(xi,yi),i＝1,2,...,Z},xi∈Rn,yi∈R，其中Z为训练的样本数，SVR期望寻找到一个从输入到输出的非线性映射，将数据映射到高维特征空间中，并在此特征空间用回归方程f(x)进行回归处理。在使用支持向量机进行预测时，选择合适的参数是一个很重要的问题。但是，在现有的研究中，对其参数的确定往往依靠经验获取，存在很大的问题。因此，如何优化支持向量回归参数，将是本专利技术主要的研究内容之一。
技术实现思路
本文档来自技高网...

【技术保护点】
1.一种基于多目标优化和SVR的地铁客流预测方法，其特征在于，具体按照以下步骤实施：/n步骤1、选取某地一年内350天的地铁客流数据，以及当天是否是节假日、是否有突发事故、天气情况、具体日期，周几，组成350*6的样本数据，对样本数据进行预处理和逆运算；/n步骤2、利用遗传算法对支持向量回归机的输入空间进行特征选择，以此优化训练集；/n步骤3、利用遗传算法寻找最优的支持向量机参数，即对惩罚参数C，核参数γ，不敏感损失参数ε进行优化选择；/n步骤4、使用所选择的训练集和参数C，γ，ε来训练SVR，得到满足要求的训练误差MSE，终止迭代得到预测地铁客流量的SVR。/n

【技术特征摘要】
1.一种基于多目标优化和SVR的地铁客流预测方法，其特征在于，具体按照以下步骤实施：
步骤1、选取某地一年内350天的地铁客流数据，以及当天是否是节假日、是否有突发事故、天气情况、具体日期，周几，组成350*6的样本数据，对样本数据进行预处理和逆运算；
步骤2、利用遗传算法对支持向量回归机的输入空间进行特征选择，以此优化训练集；
步骤3、利用遗传算法寻找最优的支持向量机参数，即对惩罚参数C，核参数γ，不敏感损失参数ε进行优化选择；
步骤4、使用所选择的训练集和参数C，γ，ε来训练SVR，得到满足要求的训练误差MSE，终止迭代得到预测地铁客流量的SVR。


2.根据权利要求1所述的一种基于多目标优化和SVR的地铁客流预测方法，其特征在于，所述步骤1中预处理具体为：使用MATLAB的imread函数读入大小为350*6的样本数据，并通过使用mapminmax函数对数据进行归一化处理，归一化的计算公式：



式中，归一化到区间[ymin，ymax]，本文定义区间为[0,1]，yt表示原始数据，ymin，ymax是每一列的最值，y表示归一化后的数据。


3.根据权利要求1所述的一种基于多目标优化和SVR的地铁客流预测方法，其特征在于，所述步骤1中样本数据中第一列为当天的客流量，第二列中节假日标记为1，非节假日标记为0，第三列有突发事故标记为1，正常情况标记为0，第四列晴天标记为-2，多云标记为-1，阴天标记为0，雨天标记为1，雪天标记为2，第五列用1-31标记当天是某个月的几号，第六列用1-7标记当天为一周的周几。


4.根据权利要求1所述的一种基于多目标优化和SVR的地铁客流预测方法，其特征在于，所述步骤2包括以下步骤：
步骤...

【专利技术属性】
技术研发人员：金海燕，李硕，蔡磊，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61