一种基于实时统计数据的公交站点短时客流预测方法技术

本发明专利技术提供一种基于实时统计数据的公交站点短时客流预测方法，包括：将客流时间序列分解为线性趋势部分与非线性特征部分；使用时间序列模型对客流时间序列的线性趋势部分进行预测；利用深度信念网络对客流时间序列非线性特征部分进行预测；利用改进极限学习机算法建立基于客流时间序列的线性趋势部分预测结果以及客流时间序列非线性特征部分预测结果的组合预测模型；基于所述组合预测模型各单一时间尺度客流时间序列预测结果，利用改进极限学习机算法建立混合关系预测模型；利用所述混合关系预测模型预测短时客流变化。本发明专利技术综合分析客流统计数据线性特性和非线性特性，有效提高站点客流预测精度。

【技术实现步骤摘要】
一种基于实时统计数据的公交站点短时客流预测方法
本专利技术涉及智能交通
，具体而言，尤其涉及一种基于实时统计数据的公交站点短时客流预测方法。
技术介绍
短时客流预测已经成为优化公交运营调度，建立弹性发车时刻表，提高公交服务水平的重要决策依据。目前，常见的短时客流预测方法主要有三类：线性方法、非线性方法和组合方法。线性方法主要是以时间序列、线性回归为主，这类方法构造简单，但是这类方法对于相对平稳的客流变化情况，预测结果较为准确，一旦客流发生较大波动，预测精度就会出现较大偏离。非线性方法主要有人工神经网络、支持向量机，这类方法能较好的适应复杂变化的短时客流变化情况，但是通常需要较为复杂并且耗时的算法训练，当遇到大规模多站点短时客流预测需求时则效率降低，并且普适性较低。为了弥补线性和非线性方法的不足，一些研究者将多个线性或非线性方法组合后，进行短时客流预测。组合方法对于提高预测精度和适应性具有一定优势，但是构造过程相对较为复杂，并没有考虑在实际企业运营中需要对上千个站点或者上百条线路同时进行短时客流预测的需求。专利技术专利“基于IC卡记本文档来自技高网...

【技术保护点】
1.一种基于实时统计数据的公交站点短时客流预测方法，其特征在于，包括：/n将客流时间序列分解为线性趋势部分与非线性特征部分；/n使用时间序列模型对客流时间序列的线性趋势部分进行预测；/n利用深度信念网络对客流时间序列非线性特征部分进行预测；/n利用改进极限学习机算法建立基于客流时间序列的线性趋势部分预测结果以及客流时间序列非线性特征部分预测结果的组合预测模型；/n基于所述组合预测模型各单一时间尺度客流时间序列预测结果，利用改进极限学习机算法建立混合关系预测模型；/n利用所述混合关系预测模型预测短时客流变化。/n

【技术特征摘要】
1.一种基于实时统计数据的公交站点短时客流预测方法，其特征在于，包括：
将客流时间序列分解为线性趋势部分与非线性特征部分；
使用时间序列模型对客流时间序列的线性趋势部分进行预测；
利用深度信念网络对客流时间序列非线性特征部分进行预测；
利用改进极限学习机算法建立基于客流时间序列的线性趋势部分预测结果以及客流时间序列非线性特征部分预测结果的组合预测模型；
基于所述组合预测模型各单一时间尺度客流时间序列预测结果，利用改进极限学习机算法建立混合关系预测模型；
利用所述混合关系预测模型预测短时客流变化。


2.根据权利要求1所述的基于实时统计数据的公交站点短时客流预测方法，其特征在于，所述客流时间序列为按照等时间间隔聚合后的原始客流统计数据。


3.根据权利要求2所述的基于实时统计数据的公交站点短时客流预测方法，其特征在于，所述客流时间序列包括站点编号、聚合时间区间以及聚合时间区间内原始客流统计数据之和。


4.根据权利要求1所述的基于实时统计数据的公交站点短时客流预测方法，其特征在于，使用时间序列模型对客流时间序列的线性趋势部分进行预测，包括：
S1.对客流时间序列进行平稳性检验，若序列不平稳，对客流时间序列进行差分分析，并再次检验差分分析后时间序列的平稳性；
S2.校验客流时间序列自相关函数和偏自相关函数的拖尾和截尾特性，确定客流时间序列模型参数p和q的取值区间，其中p为自回归项，q为偏自回归项；
S3.根据客流时间序列的时变特性，对平稳时间序列建立时间序列模型；
S4.根据时间序列模型拟合度检验确定客流时间序列模型参数p和q的值；
S5...

【专利技术属性】
技术研发人员：翟华伟，崔立成，张维石，田瑞杰，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21