基于SSA-LSTM组合模型的城市轨道交通短时客流预测.pdf

山 东 科 学 第 卷 第 期 年 月出版.:./.【交通运输】收稿日期:基金项目:国家自然科学基金项目()山东省自然科学基金项目()山东高速集团科技项目()作者简介:姜嘉伟()男硕士研究生主要研究方向为交通运输管理与规划:.通讯作者赵金宝()男博士主要从事城市公共交通规划与管理等方面的研究:.基于 组合模型的城市轨道交通短时客流预测姜嘉伟赵金宝刘文静徐月娟李明星(.山东理工大学 交通与车辆工程学院山东 淄博.东南大学 交通学院江苏 南京)摘要:随着我国经济的快速增长及城市化水平的不断提高轨道交通在居民出行中发挥着越来越重要的作用 作为影响城市轨道交通运营效益和服务水平的关键因素客流精准预测受到运营管理者和研究者的日益重视 为提高城市轨道交通客流预测精度提出了基于麻雀搜索算法()和长短期记忆网络()的 组合模型 本文以杭州地铁一号线客流量数据为例在选取轨道交通客流相关影响因素的基础上利用建立的 模型对相关站点进行短时客流预测并与 模型、遗传算法()优化的 模型()以及粒子群算法()优化的 模型()预测结果进行对比分析 结果表明相比于前述参照模型 模型的预测精度分别提升了.、.和.并在均方根误差指标方面有更优异的表现 组合模型在城市轨道交通客流预测中具有一定的应用价值具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力关键词:城市轨道交通短时客流预测麻雀搜索算法长短期记忆网络组合模型中图分类号:文献标志码:文章编号:()开放科学(资源服务)标志码():(.).山 东 科 学 年()().随着经济的快速增长、城市化水平的不断提高以及小轿车保有量显著增加交通拥堵、污染严重等一系列城市交通问题日益凸显 为引导城市健康、可持续发展越来越多的城市愈发重视优先发展大容量公共交通尤其是城市轨道交通 作为影响城市轨道交通运营效益和服务水平的关键因素城市轨道交通客流预测尤其是短时客流精准预测受到运营管理者和研究者的日益重视城市轨道交通短时客流具有规律性较差、非线性特征显著等特点传统模型如()预测时会产生较大误差诸多学者通过探索建立新模型以提高预测精度 施雪蓉等通过对比随机森林、()神经网络、长短期记忆神经网络()在轨道交通流客流精度表现发现 模型拟合结果更好吕秋霞等利用双向 模型并通过调整模型步长发现双向 模型较 预测精度更高赵明伟等建立了改进粒子群优化算法()模型()通过增加动态自适应惯性权重防止陷入局部最优结果显示 模型精度更高 等利用城市轨道交通自动售检票系统()系统基于 模型使用季节自回归移动平均模型对客流进行预测研究结果表明该模型可以更好地应用于发展中国家的交通状况 等针对异常客流预测难度大等问题建立了支持向量机()(以下简称)组合模型对比结果表明 模型具有优异的反应灵敏度和预测精度通过查阅相关文献发现已有研究主要通过将时间序列及神经网络与其他模型算法相结合等方式提高城市轨道交通短时客流预测精度 针对城市轨道交通短时客流特点和传统全局寻优算法收敛速度相对较慢的缺陷本文将新兴的麻雀搜索算法()与 相结合构建 组合模型结合杭州地铁一号线客流量数据验证该组合模型的可用性和有效性 模型.麻雀搜索算法麻雀搜索算法()是受麻雀觅食和反捕食行为启发而提出的新型全局寻优算法 相比于其他优化算法 具有更高效的寻优效率以及强大的收敛功能等特性 的基本建模步骤包括:()构建种群 由 只麻雀组成的种群可表示为()其中 表示麻雀种群数量 表示待优化问题维度第 期姜嘉伟等:基于 组合模型的城市轨道交通短时客流预测 ()计算适应度值()()()()其中 表示每个麻雀的适应度适应度函数选取训练集与测试集整体的均方误差平均值()更新发现者位置 在 算法中发现者为种群提供觅食方向其位置更新描述见式:()其中 为迭代次数 为 次迭代第 只麻雀 维度值可视为待优化问题不同参数 为预设最大迭代次数 为标准正态分布随机数 为全 的 矩阵和分别为安全阈值和警报阈值 当 时表明种群中警戒者发现危险发现者会停止觅食飞往安全位置()更新追随者位置 在 算法中发现者和追随者的身份会发生转变但两种身份比例在种群内固定不变每代中适应度高的前 只麻雀作为发现者 只麻雀作为追随者 追随者能量越低其觅食位置越差甚至会脱离种群 其位置更新描述见式:/()其中 是当前时刻种群中最优位置 是种群中最差位置 ()其中 表示一个元素随机赋值为 或 的 的矩阵 当 /时这表明第 个加入者无法获取食物它可能会脱离种群飞往其他地方觅食()反捕食行为 在麻雀种群中随机生成所有麻雀初始位置假定有小部分麻雀会意识到风险并快速向周围同伴靠拢降低自身被捕食的风险 其公式如下:()表明种群边缘的麻雀意识到风险 代图 单元结构 表种群中心位置并且在其周围就是安全的 严重污染山 东 科 学 年.经验模态分解降噪经验模态分解是一种信号自适应并适用于非线性非平稳时间序列的处理方法 由于轨道交通客流量具有非线性、非平稳特点其存在一些高频噪声可以通过经验模态分解将其分为有限个本征模函数()所分解出来的各个 分量包含原始客流量全部特征剔除其中高频噪声信号从而更好地探究客流变化内在规律 本文以一号线湘湖站为例进行经验模态分解降噪处理 湘湖站 年 月 日原始客流量可以分解为 个 分量和 个残差趋势项 至 频率依次降低结果如图 所示图 经验模态分解.实践表明经验模态分解中信号噪声主要集中在高频部分代表某些突发或不稳定客流量直接带入模型会降低模型预测精度低频部分为信号主要成分代表稳定、相对固定的客流量适合探究客流变化规律为防止剔除高频噪声导致原始信号中包含的信息大量缺失采用皮尔逊相关系数对原始数据和降噪后数据进行对比得到相关系数为.值为 可以确定降噪后客流数据保留的信息非常完整对客流预测结果影响很小如图 所示第 期姜嘉伟等:基于 组合模型的城市轨道交通短时客流预测图 降噪效果对比图.结果分析.模型运行本文所建立模型程序运行环境为.模型运行所构建的主要流程包括:()经验模态分解()消除一部分原始数据中高频噪声防止模型过拟合以及干扰模型训练()参数寻优 利用 算法对 模型进行迭代对模型参数进行寻优从而避免盲目选取参数可以有效提高模型精度()基于 模型预测 使用步骤()处理过的时间序列结合量化后 指标分别重构为不同步长的序列数据组合作为模型的输入将其代入模型进行多输入单输出短时客流预测本文构建的短时客流预测模型()为 层结构如图 所示 模型包括一个 层、两个全连接 层为防止过拟合问题添加 层“?”代表隐藏层神经元个数由优化算法确定图 结构图.山 东 科 学 年设置 算法中超参数包括种群数量为 最大迭代次数为 发现者在种群中比例为 为了研究模型的收敛速度 模型中 设置为 批量大小为 训练集和测试集比例为:优化器采用损失函数为 损失函数.模型评价指标为使评价模型预测结果更加客观本文采用均方根误差()和决定系数()对模型进行评价反映预测值与真实值的差值均方根误差越小说明预测效果越好 反映预测结果对于真实值的拟合程度通常来说 越接近 拟合效果越好 ()()()()()其中 为第 个时刻实际客流量 为第 个时刻预测客流量 为平均客流量.模型结果分析为对比分析 模型的有效性和精准度选取 模型、模型和 模型为对比模型 为保证模型可比性各算法中 部分网络拓扑结构、优化器等均保持一致 各模型的客流预测结果如图 所示图 不同轨道交通站点预测结果对比分析.第 期姜嘉伟等:基于 组合模型的城市轨道交通短时客流预测 为了更直观观察不同模型以及不同时间步长对于模型精度影响将预测结果进行反归一化后与真实客流量进行对比各个模型以及不同步长预测精度汇总如表 所示表 模型结果 站点名称步长.湘湖站.近江站.城站.火车东站.由表 可知在相同模型方法中步长为 时其拟合效果最差步长为 时拟合效果最优 模型平均均方根误差为.、平均 为.模型平均均方根误差为.、平均 为.模型平均均方根误差为.、平均 为.模型平均均方根误差为.平均 为.由此可见单一 模型预测效果最差 模型拟合效果最优 和 模型拟合效果次之 相比于、和 预测结果本文所建立的 的平均均方根误差分别减少了.、.和.平均 分别提高了.、.和.结论针对城市轨道交通短时客流规律性较差、非线性特征显著等特点本文结合 学习能力强和收敛速度快的优势建立了城市轨道交通短时客流预测的 组合模型 利用杭州城市轨道交通 号线客流数据进行了模型的有效性和精确度验证 分析结果表明相比于 模型、模型和 模型 模型预测结果具有更低的 值和更高的 值证实了 组合模型在城市轨道交通客流预测中具有一定的应用价值具有协助运营管理者提高城市轨道交通运营管理效益和提高服务水平的潜力 根据本文模型结果显示当步长为 时预测效果最好但其是否可能存在更优步长有待进一步挖掘 与此同时后续可对不同类别轨道交通站点客流影响因素及特征进行深入探究分析优化更多模型参数和网络结构建立更高效、更精准且适用性更强的城市轨道交通短时客流预测模型参考文献:施雪蓉 王宠惠 刘东杰 等.基于深度神经网络的轨道交通客流预测及可视化.电子技术与软件工程():.吕秋霞 钟晓情 任雅思.基于 网络的广珠城际短期客流预测方法.五邑大学学报(自然科学版)():.:./.赵明伟 张文胜.基于 组合模型的城市轨道交通短时客流预测.铁道运输与经济 ():.山 东 科 学 年:./.:.():.:./.:.:./.赵婧宇 池越 周亚同.基于 模型的短期电力负荷预测.电工电能新技术 ():.:./.吴娟 何跃齐 张宁 等.基于 的城市轨道交通短时客流预测.都市快轨交通 ():.:./.马超群 李培坤 朱才华 等.基于不同时间粒度的城市轨道交通短时客流预测.长安大学学报(自然科学版)():.:./.何九冉 四兵锋.组合模型在城市轨道交通客流预测中的应用.铁道运输与经济 ():.:./.朱才华 孙晓黎 李培坤 等.融合车站分类和数据降噪的城市轨道交通短时客流预测.铁道科学与工程学报():.:././.谢鑫鑫.基于 的城市轨道站点客流预测方法研究.苏州:苏州科技大学.张惠臻 高正凯 李建强 等.基于循环神经网络的城市轨道交通短时客流预测.吉林大学学报(工学版)():.:./.(上接第 页).():.:./.:.张志斌 金花 王晓飞.单纯形定位方法在新疆数字地震台网的测定精度分析.震灾防御技术 ():.李健 高永涛 谢玉玲 等.基于无需测速的单纯形法微地震定位改进研究.岩石力学与工程学报 ():.:./.李楠王恩元孙珍玉等.基于 范数统计的单纯形微震震源定位方法.煤炭学报 ():.:.():.:./.:.():.:./.