基于SVR-Copula算法的轨道短时客流区间预测方法研究  

Short-Term Interval Prediction of Traffic Flow Based on SVR-Copula Algorithm

作　　者：刘学军[1,2] 侯月岑[1] 黄溜 罗天玥 宋菊芳 胡珊[5] LIU Xuejun;HOU Yuecen;HUANG Liu;LUO Tianyue;SONG Jufang;HU Shan(School of Urban Design,Wuhan University,Wuhan 430072,China;Research center for digital city,Wuhan University,Wuhan 430072,China;China Southern Airline Hubei Branch,Wuhan 430023,China;Wuhan Planning&Design Institute(Wuhan Transportation Development Strategy Institute),Wuhan 430014,China;State key laboratory of subtropical building science of South China University of Technology,Guangzhou 510000,China)

机构地区：[1]武汉大学城市设计学院,湖北武汉430072 [2]武汉大学数字城市研究中心,湖北武汉430072 [3]中国南方航空公司湖北分公司,湖北武汉430023 [4]武汉市规划研究院(武汉市交通发展战略研究院),湖北武汉430014 [5]华南理工大学亚热带建筑科学国家重点实验室,广东广州510000

出　　处：《测绘地理信息》2024年第4期48-51,共4页Journal of Geomatics

基　　金：华南理工大学亚热带建筑科学国家重点实验室开放研究基金(2021ZB02);国家自然科学基金(51579182)

摘　　要：提出一种基于SVR-Copula算法的超短期客流量区间预测方法,利用支持向量回归模型进行客流量点预测,结合Copula理论构建历史点预测值和历史实际值联合分布,进而推导出不同置信度水平下的预测区间。以深圳市轨道交通一号线为例进行了实例分析,验证了所提方法对短时客流量区间预测的有效性。To obtain more comprehensive prediction information,This paper proposes an interval prediction method of ultra short term passenger flow based on support vector regression Copula algorithm,and then deduces the prediction intervals under different confidence levels.Finally,a case study is conducted on Shenzhen Metro Line 1 to validate the effectiveness.

关 键 词：短时客流预测 支持向量回归 Copula算法 区间预测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] U293[自动化与计算机技术—控制科学与工程] P208[交通运输工程—交通运输规划与管理]