基于优化极限学习机的公交行程时间预测方法

许伦辉; 苏楠; 骈宇庄; 林培群

doi:10.16088/j.issn.1001-6600.2020073102

广西师范大学学报（自然科学版） ›› 2021, Vol. 39 ›› Issue (05) : 64 -77. DOI: 10.16088/j.issn.1001-6600.2020073102

基于优化极限学习机的公交行程时间预测方法

许伦辉, 苏楠, 骈宇庄, 林培群

作者信息 +

Author information +

文章历史 +

PDF

摘要

为提高城市公交车辆行程时间的预测精度,在分析历史数据和交通流变化特性基础上,提出了一种基于人工蜂群优化的极限学习机的组合预测模型（artificial bee colony-extreme learning machine, ABC-ELM）。首先,基于GPS等数据提取站间距离、时间周期及天气情况等动静态特征因素;其次,推算出公交车辆的站点停靠时间;接着,将人工蜂群优化算法（artificial bee colony algorithm, ABC）嵌入到传统极限学习机算法（extreme learning machine, ELM）中,以解决其在行程时间预测中收敛速度慢、初始权值和阈值选择困难的问题;最后,基于ABC-ELM算法预测公交车辆在目标路段的行程时间。以深圳市620路公交车的真实运营数据为基础进行方法验证。结果表明:与广泛采用的BP神经网络、SVM和ELM相比,本文方法在不同道路环境中均能保持较低的预测误差（RMSE误差:高峰/平峰为11.91/8.72,工作日/非工作日为11.46/9.54,晴天/雨天为10.83/12.31;决定系数R²:高峰/平峰为0.87/0.92,工作日/非工作日为0.83/0.88,晴天/雨天为0.89/0.85）,鲁棒性较强,更适用于复杂城市道路环境中的干线公交车辆的行程时间预测。