基于ARMA_SVR串联模型的公交客流预测模型研究
为对公交系统的客流量进行预测,最大限度满足城市公交客流量研究的需要,本文构建基于自回归滑动平均模型(ARMA)和支持向量回归机模型(SVR)的串联模型,基于公交的海量历史订单数据,综合考虑交通客流量数据的非线性和相关性,实现交通客流量的短时预测.本文利用残差图和AIC信息准则为ARMA模型定阶,实现交通客流量的线性拟合.再结合基于RMSE实现特征邻域的自适应选择,引入贝叶斯寻优参数确定,构建出改进的SVR回归模型,利用线性学习器学习数据中的非线性关系,实现对客流量残差的非线性拟合.本文通过实例验证模型的有效性,结果表明:提出的模型能够合理描述时间变化情况下客流量的波动特征,并有效地对公共交通客流量时间序列进行预测.与随机森林模型和RNN神经网络模型比较,ARMA_SVR串联模型的预测效果均优于其他两类,可以更好地表达固定公交系统下的客流量短时预测.
公交系统 客流预测 自回归滑动平均模型 支持向量回归机模型
赵珏昱 李志恒 刘清祥 黄信程 何煦 于海洋
清华大学深圳研究生院物流与交通学部 深圳 518055 深圳市易行网交通科技有限公司交通研究部 深圳 518052 深圳市东部公共交通有限公司信息中心 深圳 518112
国内会议
天津
中文
463-471
2018-11-07（万方平台首次上网日期，不代表论文的发表时间）