论文部分内容阅读
为了提高公交客流预测的准确性,基于公交IC卡数据,挖掘公交客流的变化规律和影响因素,提出了一种基于粗糙集(RS)和改进粒子群(IPSO)优化支持向量机(SVM)的公交客流量预测方法。首先,通过对客流数据的深度挖掘,确定公交客流的影响因子;其次,利用粗糙集对13个初始影响因子进行属性约简,剔除冗余信息,得到8个核心影响因子;再次,引入自适应调整的惯性权重和异步变化的学习因子对PSO算法进行优化,利用IPSO算法来寻找SVM全局最优参数,通过核函数将公交客流核心影响因子映射到高维空间,拟合核心影响因子与