基于PSO-FSVR的城市轨道交通客流预测模型

作者：孟歌; 郝晓培; 张军锋^*; 王洪业; 李永; 毛子今

来源：城市轨道交通研究, 2023, 26(10): 43-48.

DOI：10.16037/j.1007-869x.2023.10.008

• 城市轨道交通
• 客流预测
• 粒子群优化
• 支持向量回归机

目的：为了提高城市轨道交通(以下简称“城轨”)运营决策效率，控制运营成本，减少资源空置和浪费，有必要对城市轨道交通客流进行精准预测。方法：提出一种基于PSO(粒子群优化)-FSVR(模糊支持向量回归机)的城轨客流预测模型。对城轨客流数据进行清洗和分析，根据获取的数据构建特征空间，利用PSO算法对FSVR模型中的参数进行优化以提高预测精度，引入模糊隶属度构建PSO-FSVR模型，增强客流预测方法的泛化能力。将该模型应用于北京地铁2号线某车站的进出站客流预测中，并引入BP(反向传播)神经网络模型与GRNN(广义回归神经网络)模型作为对比方法，采用均方根误差、显著性参数及相关系数等指标对预测结果进行评价。结果及结论：基于PSO-FSVR的城轨客流预测模型下，工作日、节假日客流预测绝对均方根误差分别为7.010 4和8.778 5,相关系数分别为0.993 0和0.955 8,相较其他两种模型，该模型客流预测性能最优。基于PSO-FSVR的城轨客流预测模型能够有效提高城轨客流预测的准确性，尤其在客流极值点处的表现比其他方法更加优秀，具有良好的预测性能。

• 出版日期2023
• 单位中国铁道科学研究院集团有限公司