作者：刘欣彤; 黄小龙; 谢秉磊城市交通公交客流短时预测降雨条件
摘要：为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型。分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响。进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVM-KNN的短时公交客流预测模型。具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流。通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性。结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
