[發明專利]基于SVM預測乘客出行概率的軌道交通客流預測方法

有效

• 申請號: 201310273504.6
• 申請日: 2013-07-02
• 公開（公告）號: CN103310287A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 冷彪;趙文遠;熊璋
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于SVM預測乘客出行概率的軌道交通客流預測方法，其特征在于：該方法的步驟如下：

步驟一：采集一段時間的軌道交通歷史數據，該數據看作是乘客出行記錄的集合，其中每條記錄包括乘客出行的起始站點、目的站點，進站時刻和出站時刻；

步驟二：基于歷史數據，統計乘客出行比例，針對每一個地鐵站，統計乘客由該站進入去往其它站的比例；

步驟三：利用統計得到的出行比例數據訓練最小二乘支持向量機即LSSVM，預測乘客出行概率，即針對每一個地鐵站，預測乘客由該站進入去往其它站的概率；

步驟四：存儲預測得到的出行概率，供實時客流預測模塊使用；

步驟五：采集實時進站客流數據；該數據看作是乘客進站記錄的集合，進站記錄包括乘客的起始站點和進站時間；

步驟六：獲取在步驟四中存儲的乘客在該站的出行概率，預測乘客出行的目的站點；

步驟七：結合列車的發車間隔，模擬乘客出行，計算乘客到達和離開每一個站點的時間，并更新全路網客流。

2.根據權利要求1所述的一種基于SVM預測乘客出行概率的軌道交通客流預測方法，其特征在于：在步驟一中所述的“采集一段時間的軌道交通歷史數據”，通過在地鐵進出站閘機口布設裝置，獲取乘客刷卡信息采集得到。

3.根據權利要求1所述的一種基于SVM預測乘客出行概率的軌道交通客流預測方法，其特征在于：在步驟三中所述的“最小二乘支持向量機”，是支持向量機的一種擴展，在構造最優決策函數時，遵循了結構風險最小化原則，同時引入了間隔的概念，并巧妙地利用了原空間的核函數取代了高維特征點的點積運算，降低了計算的復雜度。

4.根據權利要求1所述的一種基于SVM預測乘客出行概率的軌道交通客流預測方法，其特征在于：在步驟三中所述的“利用統計得到的出行比例數據訓練最小二乘支持向量機即LSSVM，預測乘客出行概率”，其訓練內容和步驟為：

最小二乘支持向量機的訓練數據樣本表示為：(x₁,y₁)，(x₂,y₂)，…(x_n,y_n)；其中y_i是目標值，x_i是輸入向量；

非線性回歸問題描述為求解下面問題：

minω,b,etJ(ω,e)={12ωTω+γ12Σt=1Net2}]]>

約束條件為：

其中是核空間映射函數，權矢量ω∈R^nh，誤差變量ξ_t∈R，b是偏差量，γ是可調參數；核函數將原始空間中的樣本映射為高維特征空間中的一個向量，已解決線性不可分問題，用拉格朗日求解這個優化問題，得到預測值

y(x)=Σt=1nαtK(x,xi)+b]]>

K為核函數，選擇徑向基函數

其中a_t,i=1,…n是拉格朗日乘子，b是偏差量，σ為核函數的調整參數，

參數a_t、b、σ、γ是以統計得到的出行比例為訓練數據，通過訓練支持向量機而自動得到。