[发明专利]基于蝙蝠算法优化支持向量机预测公交车到站时间的方法

说明书

技术领域

本发明涉及一种预测公交车到站时间的方法。特别是涉及一种基于蝙蝠算法优化支持向量机预测公交车到站时间的方法。

背景技术

公共交通系统的运行，旨在保证人们的日常出行，在此过程中，为乘客提供可靠、舒适的服务是非常关键的。服务的准时性及稳定性是解决公交运营调度问题的核心内容，其不仅适用于正常运营的情况下，即使当正常运营受到干扰时，运营者也可以根据实时情况采取适当的措施(比如，增设或减少公交车在该线路的数量)来调整运行时刻表和发车间隔，从而更有效地进行运营管理。

公交车到站时间预测技术，可以提高公交车行程时间预测精度，而提高公交车准时性的同时，就可以减少乘客等待时间，从而提高公交吸引力，这对于促进智能运输系统(ITS，IntelligentTransportationSystem)在交通运输领域的应用具有重要意义。

近年来，出现了一种新的机器学习方法---支持向量机(SVM，SupportVectorMachine)，它具有很强的学习能力和泛化能力，其作为新兴技术已在很多领域得到应用，并取得了很多突破。SVM预测的关键在于参数的选定，好的参数会使预测变得更加准确。

智能算法如遗传算法、神经网络算法虽可能找到最优解，但在运行时间还存在不足，且易陷入局部最优。所以我们采用一种新的智能算法---蝙蝠算法(BA，BatAlgorithm)。由于蝙蝠算法具有相互协助、稳定性、可扩充性、简单性等优点，所以也逐渐成为计算智能领域的研究热点，很多学者致力于蝙蝠算法的应用，且已被成功应用到许多领域。主要应用在约束优化，多目标优化和工程问题等领域。

发明内容

本发明所要解决的技术问题是，提供一种准确率更高，泛化能力更强的基于蝙蝠算法优化支持向量机预测公交车到站时间的方法。

本发明所采用的技术方案是：一种基于蝙蝠算法优化支持向量机预测公交车到站时间的方法，包括如下步骤：

1)选择影响公交车运行因素的数据作为SVM的输入变量；

2)对影响公交车运行因素的数据进行归一化处理；

3)选择核函数得到SVM参数，选择径向基核作为核函数；

径向基核函数对应的支持向量机参数有c和g，其中c是惩罚系数，即对误差的宽容度，g是选择径向基函数作为核函数后，所述核函数自带的一个参数，支持向量机参数c的取值范围在1～1000，支持向量机参数g的取值范围在2^-5,2^-4…,2⁴,2⁵。

4)构造蝙蝠算法寻找最优支持向量机参数c和g的最优参数。

5)将步骤2)得到的归一化处理后的数据划分为三个子集：训练样本集、检验样本集和测试样本集，并输入数据集，生成预测值；

6)对预测值进行误差分析，具体是将预测值代入如下公式：

MSE=1NΣi=1N(xi-x^i)2---(11)]]>

如果MSE大于0.01则返回步骤4)，否则，步骤5)所得预测值为预测结果，结束。

步骤1)所述的因素包括：天气、时间段和路段、下一路段最新运行时间以及当前路段运行时间。

步骤2)所述的归一化处理包括首先设定：晴天为1，雨天为0；高峰期为1，非高峰期为0；路段编号为1--N，归一化后的数据为各自编号与最大编号N的比值，归一化的路段数

值为1/N—1；下一路段最新运行时间和当前路段运行时间采用了如下式归一化处理：