基于PSO-LSSVM算法的城市轨道交通断面客流量预测

为提高城市轨道交通服务水平和利用效率,针对非高峰期乘客等候时间过长、高峰期车厢满载率过高、列车运能浪费等现象,急需对具有非线性和随机波动特征的轨道交通最大断面客流实时准确预测,从而动态调整列车行车计划。首先,采集2017年4~6月份西安市轨道交通2号线全日分时段断面客流量为数据基础,将断面客流量划分为工作日、周末以及节假日的上行断面客流量和下行断面客流量。其次,利用前3 d各时段最大断面客流量以及前1 d各时段断面客流量作为模型输入变量,当天最大断面客流量作为模型输出变量,构建最小二乘支持向量机(LSSVM)核参数最优模型。然后,将RBF核、POLY核和Sigmoid核组合出多种备选核函数,以正则化参数、宽度参数、阶数参数和偏置参数为对象,利用粒子群算法(PSO)来优化备选函数和关键参数。最后,对不同模型中粒子群算法优化前后预测效果的回归评价指标和工作日、周末和节假日各时段回归误差进行比较分析。研究结果表明:粒子群算法寻优工作日LSSVM备选函数和关键参数后平均绝对百分比误差在5.0%以内,预测精度均有所改善;工作日上行的RBF与Sigmoid混合核,以及下行的RBF核能够在运行速度更快且精度更高条件下对断面客流量预测效果最优;PSO-LSSVM模型对工作日高峰期的断面客流量预测效果最优;相比PSO-LSSVM模型工作日较优的预测效果,其对周末和节假日上行的断面客流量具有一般预测效果。PSO寻优LSSVM核函数模型能更好解释工作日断面客流量的复杂变化,在小样本下达到较为理想的回归精度,具有良好的实用价值。