留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SVM-KNN的降雨条件下短时公交客流预测

刘欣彤,  黄小龙,  谢秉磊

downloadPDF
文章导航 > 交通信息与安全  > 2018 >  36(5): 117-123
刘欣彤, 黄小龙, 谢秉磊. 基于SVM-KNN的降雨条件下短时公交客流预测[J]. 交通信息与安全, 2018, 36(5): 117-123. doi: 10.3963/j.issn.1674-4861.2018.05.015
引用本文: 刘欣彤, 黄小龙, 谢秉磊. 基于SVM-KNN的降雨条件下短时公交客流预测[J]. 交通信息与安全, 2018, 36(5): 117-123. doi: 10.3963/j.issn.1674-4861.2018.05.015
shu
LIU Xintong, HUANG Xiaolong, XIE Binglei. A Model of Short-term Forecast of Passenger Flow of Buses Based on SVM-KNN under Rainy Conditions[J]. Journal of Transport Information and Safety, 2018, 36(5): 117-123. doi: 10.3963/j.issn.1674-4861.2018.05.015
Citation: LIU Xintong, HUANG Xiaolong, XIE Binglei. A Model of Short-term Forecast of Passenger Flow of Buses Based on SVM-KNN under Rainy Conditions[J]. Journal of Transport Information and Safety, 2018, 36(5): 117-123. doi: 10.3963/j.issn.1674-4861.2018.05.015
shu

基于SVM-KNN的降雨条件下短时公交客流预测

doi: 10.3963/j.issn.1674-4861.2018.05.015

  • 哈尔滨工业大学(深圳)研究生院 广东深圳518055

  • 哈尔滨工业大学(深圳)研究生院 广东深圳518055

  • 哈尔滨工业大学(深圳)研究生院 广东深圳518055

基金项目: 

国家自然科学基金项目

详细信息

  • 中图分类号: U491.1

A Model of Short-term Forecast of Passenger Flow of Buses Based on SVM-KNN under Rainy Conditions

    摘要
  • 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%.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  337
  • HTML全文浏览量:  81
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-10-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发