基于SPGAPSO-SVM算法的公交客流量试验方法及系统技术方案

本发明专利技术属于公交客流量预测技术领域，尤其涉及基于SPGAPSO‑SVM算法的公交客流量试验方法及系统，其包括在已搭建的实验环境下，通过数据预处理和归一化处理，进行实验结果分析；所述实验结果分析包括：算法准确率验证、算法效率验证、收敛曲线对比验证、算法可扩展性验证、客流量预测结果验证，本发明专利技术解决了现有技术存在如何对SPGAPSO‑SVM算法进行如算法准确率和效率、算法可扩展性、客流量预测等有效性验证的问题，具有对SPGAPSO‑SVM算法进行预测准确率、较快的运行速度和良好的可扩展性的等有效性验证有益技术效果。

Test method and system of bus passenger flow based on spgapso-svm algorithm

【技术实现步骤摘要】
基于SPGAPSO-SVM算法的公交客流量试验方法及系统
本专利技术属于公交客流量预测
，尤其涉及基于SPGAPSO-SVM算法的公交客流量试验方法及系统。
技术介绍
本专利技术基于申请号为2019110494320，专利技术名称为基于SPGAPSO-SVM算法的公交客流量预测方法及系统，申请日为2019年10月31日，申请号为：2019110494320。准确预测城市公交客流量对于科学地进行城市公交车运营调度决策、提高公交车运营效率具有十分重要的意义，在现代交通系统中，城市公交车发挥着重要职能，相对于其他出行方式，公共交通具有载客量大、排污量小、成本较低等特点，为了保障城市公交高效有序的运营，不仅需要良好的公交运营管理方案，有效的运营调度同样必不可少，利用公交相关信息数据进行准确公交客流量预测可以为城市公交车的运营调度提供有效的决策支持；专利技术名称为基于SPGAPSO-SVM算法的公交客流量试验方法及系统解决了现有技术存在现有预测模型计算适应度消耗时间过长的问题，SPGAPSO-SVM算法的提出，有效提高了运行速度和效率；但如何对SPGAPSO-SVM算法进行如算法准确率和效率、算法可扩展性、客流量预测等有效性验证是非常重要的问题。
技术实现思路
本专利技术提供基于SPGAPSO-SVM算法的公交客流量试验方法及系统，以解决上述
技术介绍
中提出了现有技术存在如何对SPGAPSO-SVM算法进行如算法准确率和效率、算法可扩展性、客流量预测等有效性验证的问题。本专利技术所解决的技术问题采用以下技术方案来实现：基于SPGAPSO-SVM算法的公交客流量试验方法，包括：在已搭建的实验环境下，通过数据预处理和归一化处理，进行实验结果分析；所述实验结果分析包括：算法准确率验证；算法效率验证；收敛曲线对比验证；算法可扩展性验证；客流量预测结果验证。进一步，所述算法准确率验证包括：将通过数据预处理和归一化处理的数据分别输入并运行SVM算法、PSO-SVM算法、GA-SVM算法和SPGAPSO-SVM算法，将运行中的各种算法的样本参数分别通过误差指标评价函数计算百分误差值，在运行各种算法不小于20次的运行效果下将百分误差值通过曲线对比法记录其中的最优值、最差值和平均值；所述误差指标评价函数为：所述n为测试样本个数；所述realt为测试样本真实值；所述predt为预测值；所述MAPE是机器学习中平均绝对百分误差。进一步，所述算法效率验证包括：将通过数据预处理和归一化处理的数据分别输入运行的SVM算法、PSO-SVM算法、GA-SVM算法和SPGAPSO-SVM算法，在运行各种算法不小于20次的运行效果下将各种算法消耗的时间衡量通过曲线对比法记录其中的最优值、最差值和平均值；进一步，所述收敛曲线对比验证包括：将通过数据预处理和归一化处理的数据分别输入不少于8个节点的集群中运行的SPGAPSO-SVM算法，在种群大小为100且最大迭代次数为50的条件下，将运行中的SPGAPSO-SVM算法在每次迭代中SPGA操作和SPPSO操作的相应的误差变化和参数寻优的整体收敛速度通过回归指标评价函数计算并记录每次迭代的回归评价指标MSE；所述回归指标评价函数为：所述n为测试样本个数；所述realt为测试样本真实值；所述predt为预测值；所述MSE是机器学习中回归评价指标。进一步，所述算法可扩展性验证包括：将通过数据预处理和归一化处理的数据输入运行的SPGAPSO-SVM算法，将运行中的SPGAPSO-SVM算法通过增加节点的方法在不小于20次的运行效果下通过曲线对比法计算并记录其平均值和加速比。进一步，所述客流量预测结果验证包括：将通过数据预处理和归一化处理的数据分别输入运行的SPGAPSO-SVM算法，将运行中的SPGAPSO-SVM算法对未来若干天的公交客流量通过将每小时的预测结果按时间顺序拼接，并通过曲线对比法进行整体预测和参数寻优。进一步，所述试验方法的实验环境搭建包括通过虚拟机搭建不少于8个节点的Spark集群，每个节点CPU数量为1，节点内存为1G；所述Spark集群详细配置为：CentOS-6.10-x64；Spark-2.1.1-bin-hadoop2.7；hadoop-2.7.2.tar；pyspark-2.3.2；py4j-0.10.8.1；libSVM-3.2.3；SPGAPSO-SVM算法参数设置包括：种群大小为100；最大迭代次数为50；交叉概率为0.6；变异概率为0.2；粒子群算法学习因子为1.5；数据分区个数为8；交叉验证参数为5；粒子速度范围为-0.2～0.2；粒子位置范围为-8～8。进一步，所述数据预处理包括：将大数据平台提供的公交数据集通过公交客流量预测的需求对字段进行筛选，获得筛选后的用于按线路统计客流量的线路编号字段和用于按小时统计客流量的交易时间字段以及用于剔除员工卡的交易数据的卡类型字段。进一步，所述归一化处理包括：将筛选后的包括线路编号字段、交易时间字段的客流量信息根据线路编号分组且将节假日的数据去掉，将去掉节假日的数据的编号分组的客流量信息整理并输入libSVM，并通过libSVM对其进行归一化处理；所述libSVM的输入格式包括：Labelindex1:valueindex2:valueindex3:value；所述Label为目标值；所述index是以1开始的整数；所述value为训练数据。同时，本专利技术还提供基于SPGAPSO-SVM算法的公交客流量试验系统，包括：公交客流量试验模块；所述公交客流量试验模块基于如权利要求1～权利要求9任一项的公交客流量试验方法构建。有益技术效果：本专利采用在已搭建的实验环境下，通过数据预处理和归一化处理，进行实验结果分析；所述实验结果分析包括：算法准确率验证；算法效率验证；收敛曲线对比验证；算法可扩展性验证；客流量预测结果验证，由于通过算法准确率验证和算法效率验证，实验结果验证了本申请提出的SPGAPSO-SVM算法比GA-SVM和PSO-SVM运行速度更快，算法运行所用时间更短，计算效率更高，通过收敛曲线对比验证，实验结果验证了SPGAPSO-SVM算法与GA-SVM、PSO-SVM等单一算法优化SVM相比具有两个优点：SPGAPSO-SVM算法可以有效克服GA-SVM、PSO-SVM等单一算法优化SVM易陷入局部最优的问题，预测的准确率更高；在最小适应度相同的情况下，SPGAPSO-SVM算法比GA-SVM、PSO-SVM等单一算法优化SVM所需的迭代次数更少，算法运行所需时间更短，通过本文档来自技高网...

【技术保护点】
1.基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，包括：/n在已搭建的实验环境下，通过数据预处理和归一化处理，进行实验结果分析；/n所述实验结果分析包括：/n算法准确率验证；/n算法效率验证；/n收敛曲线对比验证；/n算法可扩展性验证；/n客流量预测结果验证。/n

【技术特征摘要】
1.基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，包括：
在已搭建的实验环境下，通过数据预处理和归一化处理，进行实验结果分析；
所述实验结果分析包括：
算法准确率验证；
算法效率验证；
收敛曲线对比验证；
算法可扩展性验证；
客流量预测结果验证。


2.根据权利要求1所述的基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，所述算法准确率验证包括：
将通过数据预处理和归一化处理的数据分别输入并运行SVM算法、PSO-SVM算法、GA-SVM算法和SPGAPSO-SVM算法，将运行中的各种算法的样本参数分别通过误差指标评价函数计算百分误差值，在运行各种算法不小于20次的运行效果下将百分误差值通过曲线对比法记录其中的最优值、最差值和平均值；
所述误差指标评价函数为：



所述n为测试样本个数；
所述realt为测试样本真实值；
所述predt为预测值；
所述MAPE是机器学习中平均绝对百分误差。


3.根据权利要求1所述的基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，所述算法效率验证包括：
将通过数据预处理和归一化处理的数据分别输入运行的SVM算法、PSO-SVM算法、GA-SVM算法和SPGAPSO-SVM算法，在运行各种算法不小于20次的运行效果下将各种算法消耗的时间衡量通过曲线对比法记录其中的最优值、最差值和平均值。


4.根据权利要求1所述的基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，所述收敛曲线对比验证包括：
将通过数据预处理和归一化处理的数据分别输入不少于8个节点的集群中运行的SPGAPSO-SVM算法，在种群大小为100且最大迭代次数为50的条件下，将运行中的SPGAPSO-SVM算法在每次迭代中SPGA操作和SPPSO操作的相应的误差变化和参数寻优的整体收敛速度通过回归指标评价函数计算并记录每次迭代的回归评价指标MSE；
所述回归指标评价函数为：



所述n为测试样本个数；
所述realt为测试样本真实值；
所述predt为预测值；
所述MSE是机器学习中回归评价指标。


5.根据权利要求1所述的基于SPGAPSO-SVM算法的公交客流量试验方法，其特征在于，所述算法可扩展性验证包括：
将通过数据预处理和归一化处理的数据输入运行的SPGAPSO-SVM算法，将运行中的SPGAPSO-SVM算法通过增加节点的方法在不小于20次的运行效果下通过曲线对比法计算并记录...

【专利技术属性】
技术研发人员：李雷孝，林浩，王慧，邓丹，马志强，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：内蒙;15