Affiliation:
1. School of Transportation, Southeast University, Si-Pai-Lou 2, Nanjing, China
Abstract
Transit flow is the basement of transit planning and scheduling. The paper presents a new transit flow prediction model based on Least Squares Support Vector Machine (LS-SVM). With reference to the theory of Support Vector Machine and Genetic Algorithm, a new short-term passenger flow prediction model is built employing LSSVM, and a new evaluation indicator is used for presenting training permanence. An improved genetic algorithm is designed by enhancing crossover and variation in the use of optimizing the penalty parameter γ and kernel parameter s in LS-SVM. By using this method, passenger flow in a certain bus route is predicted in Changchun. The obtained result shows that there is little difference between actual value and prediction, and the majority of the equal coefficients of a training set are larger than 0.90, which shows the validity of the approach.
Santrauka
Tranzito srautas yra tranzito planavimo ir eismo tvarkaraščių sudarymo pagrindas. Straipsnis pateikia naują tranzitinio srauto prognozavimo modelį, grindžiamą mažiausių kvadratų atraminių vektorių metodu (Least Squares Support Vector machine, LS-SVm). Remiantis atraminių vektorių metodu (Support Vector machine) ir genetiniu algoritmu (Genetic Algorithm), sudarytas naujas trumpalaikis keleivių srauto prognozavimo modelis, pasitelkiant LS-SVM ir pristatomas naujas vertinimo rodiklis. Taikant naują metodą prognozuojamas keleivių srautas konkrečiame autobuso maršrute Čangčuno mieste Kinijoje. Gautos prognozės rezultatai lyginami su faktiniais.
Резюме
Транзитный поток – основной фактор при планировании транзита и составлении расписаний движения. В статье представлена новая модель прогноз*а транзитного потока, основанная на методе опорных векторов с квадратичной функцией потерь (Least Squares Support Vector machine – LS-SVm). Представленный новый метод используется для прогноза потока пассажиров на конкретном автобусном маршруте города Чаньчуня (Китай). Результаты прогноза сравниваются с фактическими результатами.
Publisher
Vilnius Gediminas Technical University
Subject
Mechanical Engineering,Automotive Engineering
Cited by
33 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献