摘要：随着城市轨道交通的迅速发展,地铁短期断面客流的预测有利于运营部门观测客流的实时变化,从而调整调度策略。客流具有时空特征,在10 min粒度时间片下,客流变化存在周期性,在空间上客流波形存在差异性。使用凝聚层次聚类算法对不同站点在一周内的客流进行聚类分析,得到贴近站点特征的客流分类结果。根据分类结果,对不同类别客流时间片分别进行相关性分析,提出一种基于SVM的预测模型,将强相关性的时间片序列作为模型输入。同时,提出一种基于协同自适应调整的双种群萤火虫算法以寻优模型参数,算法中引入混沌吸引度来提高算法的全局搜索能力,避免由于初始值陷入局部最优;加入自适应搜索步长,以加快算法的收敛速度并提高求解精度。与其他模型和优化算法的对比表明,本模型具有较好的预测精度、稳定性和鲁棒性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社