控制与决策

作者：龙小强,李捷,陈彦如

单位：广州市交通运输研究所与广州市公共交通研究中心，广州510627,,北京东方科技集团股份有限公司CIO组织数字化应用中心，北京100016,,西南交通大学经济管理学院，成都610031,

关键词：城轨交通短时客流量;深度信念网络;支持向量机;遗传算法;粒子群算法; 长短期记忆网络

基金：国家自然科学基金项目(51578465, 71771190).

我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明,DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型——GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.

来源：2019年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第8期