买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京行者易智能交通科技有限公司

摘要：本发明公开了一种基于stacking的多环境下短时公交客流预测方法，该方法包括：步骤1，获取客流数据和特征数据，步骤2，线路客流预测，利用秩相关系数来分析线路客流量与天气类型的相关性，设置秩相关系数阈值，用秩相关系数绝对值大于c时的特征来训练SVM模型。步骤3，交通小区客流预测，步骤4，线路各站点客流预测；该方法实现了精准预测短时公交客流量，为公交调度最优化资源配置提供参考依据。

主权项：1.一种基于stacking的多环境下的短时公交客流预测方法，其特征在于，该方法包括如下步骤：步骤1，获取客流数据和特征数据；获取某城市的部分公交线路的上下客流数据为基础数据，其中多维度特征包括：线路名称；日类型；天气类型；气温类型；线路长度；线路类型；是否节假日；是否经过学校；是否经过商场；与地铁线重合程度；与其他公交线路重合程度；把数据特征维度记为X＝X1,X2,…,Xm，其中m是特征个数，Xi表示各个特征的向量值；每条线路的上下客流数据的时间间隔为10-30min，将每天的时段数量记为n，相应时段的客流量记为y1,y2,…,yn；将某条线路每天的客流量Y和特征X表示如下： 其中m是特征个数，n是时段个数；步骤2，线路客流预测；1利用秩相关系数来分析线路客流量与天气类型的相关性；利用控制变量法，计算秩相关系数来分别计算天气类型对公交客流的影响，其秩相关系数rj为：其中rj为第j个特征的秩相关系数，为正时表示正相关，为负时表示负相关，为零时表示不相关，dij为两变量每一对样本的等级之差，即变量xij与yi的差值；2设置秩相关系数阈值c，c0，用秩相关系数绝对值大于c时的特征来训练SVM模型；除了秩相关系数绝对值大于c时的特征，还增加预测日前t天中同一时间窗的上车客流量作为训练样本，将训练样本拆分成训练集和测试集，将训练集输入SVM模型进行训练，建立SVM预测模型，用测试集获取预测准确率p1；构建预测样本，将所述预测样本输入SVM预测模型，获得该线路在目标时间窗的预测上车客流量；步骤3，交通小区客流预测；进行交通小区的划分；用多维度特征来训练随机森林模型：除了多维度特征，再增加预测日前t天中同时间窗的上车客流量和同时间窗可直达交通小区上车客流量作为训练样本，将训练样本拆分成训练集和测试集，将训练集输入随机森林模型进行训练，建立随机森林预测模型，用测试集获取预测准确率p2；构建预测样本，将所述预测样本输入随机森林预测模型，获得该交通小区在目标时间窗的预测上车客流量；步骤4，线路各站点客流预测；用多维度特征来训练岭回归模型：除了多维度特征，增加预测日前t天中同时间窗的上车客流量和同线路可直达的相关站点上车客流量作为训练样本，将训练样本拆分成训练集和测试集，将训练集输入岭回归模型进行训练，建立岭回归预测模型，用测试集获取预测准确率p3；构建预测样本，将所述预测样本输入岭回归预测模型，获得该站点在目标时间窗的预测上车客流量；步骤5，利用线路客流预测结果、交通小区客流预测结果、站点客流预测结果来进行综合调整，给出三者的最终客流预测结果。

全文数据：

权利要求：

百度查询： 南京行者易智能交通科技有限公司 一种基于stacking的多环境下短时公交客流预测方法