基于支持向量机模型的地铁进站客流量预测

摘要

为了更精确地预测短期站点客流量,及时应用于城市轨道交通日常客流组织,采用了支持向量机模型的地铁客流量预测.首先,通过对AFC数据分析,利用上周同期进站量、前一天同期进站量、本日前两个时段进站量以及高峰和非高峰时段参数作为模型的输入变量,然后构造支持向量机预测模型并运用粒子群算法优化模型(P SO-SVM模型),实现地铁站点客流量预测,并进行不同模型预测误差的比较分析.最后,以苏州地铁数据为例,预测汾湖路地铁站进站客流量.结果表明优化模型能够有效改善预测误差,预测结果更准确,证明P SO-SVM方法能有效运用到对地铁进站客流量预测研究上,为地铁进站客流量预测提供了新方法.