[发明专利]一种公交客流组合预测方法

权利要求书

1.基于时间序列的公交站点短时客流量预测方法，其特征在于，包括如下步骤：(A)根据公交站点信息、公交IC卡刷卡数据以及公交GPS数据，进行公交站点客流数据统计。(B)根据(A)的数据，计算出每天各时间段客流分布。(C)根据(A)统计结果，获得时间序列。(D)站点客流预测。根据站点历史客流量建立灰度预测模型预测较长时间客流，根据(C)获得时间序列，建立自回归滑动平均模型对短时客流进行预测。(E)组合预测。根据(D)预测结果，建立基于灰度模型和自回归滑动平均模型的组合预测模型。

2.根据权利要求1所述，步骤(A)中统计的站点客流包括季度客流、月份客流、天客流以及每天各个时刻的客流。

3.根据权利要求1和2，步骤(B)中每天各个时段客流用r_it表示，其中，M_i表示第i天的总客流量，H_t表示第i天第t个时间段的客流量。

4.根据权利要求1和2，按照(A)中客流统计结果，以10分钟为时间间隔，统计出每天的客流。假设m为当前时间，取一天内10min间隔的客流量生成当天客流时序数据：H＝{H_t|t＝1,2,...,m}，H₁＝H(m-t*10min)，…，H_m＝H(m)假设n为当前日期，取得m天内时刻t的客流时序数据：

5.根据权利要求1和2，根据步骤(A)统计的客流结果，建立灰度模型对客流进行较长时间的预测，预测第i+1天的客流量，记为M_i+1。具体步骤下：(1)由原始数据序列M⁽⁰⁾计算一次累加序列M⁽¹⁾；(2)建立矩阵B,Y；(3)求逆矩阵(B^TB)^-1；(4)根据求估计值和(5)把估计值带入1-AGO式中的时间响应方程得拟合值再用后减运算还原，即

6.根据权利要求1和4，在步骤(C)的基础上，建立自回归滑动平均模型对客流进行短时的预测，预测第t+1个时间段的客流量，记为H_t+1。具体步骤如下：(1)生成不同时序数据。H＝{H_t|t＝1,2,...,m}，H₁＝H(m-t*10min)，…，H_m＝H(m)，(2)数据检验和预处理。数据检验包括正态检验，零均值检验等；预处理要清除原始序列的趋势性、波动性等影响。(3)结合历史数据和实时数据，建立自回归滑动平均模型。(4)自回归滑动平均模型的参数初步估算

7.根据权利要求1、5、6，建立基于灰度模型和自回归滑动平均模型的组合预测模型，具体模型如下：S_i＝α·M_i+1·r_ij+β·H_t+1，根据最小二乘原理求出α、β即可。其中，α，β是参数估计值，M_i+1是通过灰度模型预测的第i+1天的公交客流量，r_ij是比例因子，其中，M_i表示第i天的总客流量，H_t表示第i天第t个时间段的客流量。H_t+1是通过自回归滑动平均模型预测的第t+1个时间段的客流量。