基于改进极限学习机的公交站点短时客流预测方法

来源：交通运输系统工程与信息杂志2019年第4期北京时间：

作者：黄益绍，韩磊

单位：长沙理工大学a. 道路灾变防治及交通安全教育部工程研究中心；b. 交通运输工程学院，长沙 410114

摘要：以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.

关键词：城市交通,公交站点短时客流预测,改进粒子群算法,极限学习机,IC卡数据,GPS数据

基金资助：湖南省自然科学基金/Natural Science Foundation of Hunan Province, China(2018JJ2444)；湖南省教育厅科学研究重点项目/Scientific Research Key Project of Hunan Province Department of Education(16A 007)；长沙理工大学道路灾变防治及交通安全教育部工程研究中心开放基金/ Open Fund of Engineering Research Center of Ca