基于极限学习机的公交行程时间预测方法

来源：交通运输系统工程与信息杂志2018年第5期北京时间：

作者：宋现敏，刘明鑫，马林，夏英集

单位：吉林大学 交通学院，长春 130022

摘要：以公交车GPS数据为基础，建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现，定义了公交车到站临界点，并分析了临界点处车辆的5种运行状态；提出了公交车到站时刻估算方法，进而得到公交车行程时间数据；通过分析公交车行程时间数据内在特征，确定了极限学习机模型关键参数及其纬度；最后，以长春市88路公交车GPS数据为基础进行了方法验证.结果表明，所用ELM方法预测误差约为11%，并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析，发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.

关键词：智能交通,GPS数据,极限学习机,公交行程时间预测

基金资助：国家自然科学基金/National Natural Science Foundation of China(51278220)；吉林省自然科学基金/ Jilin Natural Science Foundation(20180101063JC).