基于GRA和LSSVM的對(duì)外客流預(yù)測

劉青云

摘要：交通流量預(yù)測是交通規(guī)劃的重要組成部分，傳統(tǒng)交通需求預(yù)測較少考慮需求的隨機(jī)性和波動(dòng)性。為了客觀預(yù)測未來幾年的客流量，本文以拉薩市對(duì)外客流量為對(duì)象，提出了一種基于灰色關(guān)聯(lián)度和支持向量機(jī)相結(jié)合的流量預(yù)測模型。引入關(guān)聯(lián)因素分析法，綜合考慮經(jīng)濟(jì)、產(chǎn)業(yè)等對(duì)客流的影響，并將交通區(qū)位和旅游區(qū)位定量化納入到影響因素之中，最后結(jié)合實(shí)際案例對(duì)拉薩市客流進(jìn)行預(yù)測，說明該模型的實(shí)用性。

關(guān)鍵詞：交通工程；交通流預(yù)測；灰色關(guān)聯(lián)法；支持向量機(jī)

0 引言

交通需求預(yù)測是交通規(guī)劃管理部門建設(shè)基礎(chǔ)設(shè)施的重要決策依據(jù)。在早期研究過程中，以時(shí)間序列為基礎(chǔ)的指數(shù)平滑法、灰色預(yù)測模型等傳統(tǒng)經(jīng)典的預(yù)測方法，及以因素關(guān)聯(lián)分析為基礎(chǔ)的彈性系數(shù)法、回歸分析法等一直是預(yù)測領(lǐng)域中重要的研究方向[1]。客流預(yù)測是多種因素相互影響相互作用的產(chǎn)物，現(xiàn)較少考慮城區(qū)位對(duì)城市的影響，也較少涉及隨機(jī)性、不規(guī)律性客流的研究[2]。因此本文將區(qū)位因素納入灰色關(guān)聯(lián)度（GRA）分析中，并采用ISSVM模型對(duì)拉薩市對(duì)外交通需求進(jìn)行預(yù)測。

1 關(guān)聯(lián)因素分析

旅客交通運(yùn)輸需求是在一定社會(huì)發(fā)展條件下衍生出的客流量?？土髁砍耸芷浔旧須v史發(fā)展因素的影響，還與城市內(nèi)其他的發(fā)展因素相聯(lián)系，主要分為以下幾類：

（1）國內(nèi)生產(chǎn)總值（E），國內(nèi)生產(chǎn)總值是衡量一個(gè)地區(qū)經(jīng)濟(jì)狀況最常見的指標(biāo)，一個(gè)城市經(jīng)濟(jì)發(fā)展越成熟，其客運(yùn)需求量也越高。

（2）產(chǎn)業(yè)發(fā)展（C），城市產(chǎn)業(yè)的發(fā)展會(huì)促進(jìn)入流活動(dòng)的增加。將第一產(chǎn)業(yè)（C1）、第二產(chǎn)業(yè)（C2）、第三產(chǎn)業(yè)生產(chǎn)總值（C3）都納入影響因素中。

（3）城市區(qū)位因素（L），城市區(qū)位包含政治、文化、交通、旅游區(qū)位，其中一個(gè)城市的交通區(qū)位和旅游區(qū)位對(duì)客流的影響較大，因此將交通、旅游區(qū)位納入到影響因素中，由于這兩因素都為定性因素，因而需要將其定量化。

1）交通區(qū)位，城市分級(jí)中采用城市居民收入、商業(yè)指標(biāo)等進(jìn)行衡量，與交通區(qū)位影響因素相似，因此以城市等級(jí)作為劃分交通區(qū)位的依據(jù)，并通過同類城市類比分析后定量確定交通區(qū)位度。我國共劃分為五個(gè)等級(jí)的城市，設(shè)一線城市交通區(qū)位為[0.8，1]，二線交通區(qū)位為[0.6，0.8]，三線交通區(qū)位為[0.4，0.6]，四線交通區(qū)位為[0.2，0.4]，五線交通區(qū)位為[0，0.2]。

2）旅游區(qū)位，城市旅游業(yè)的發(fā)展能夠吸引大量的人口，而一個(gè)城市的旅游區(qū)位需要根據(jù)城市內(nèi)的旅游設(shè)施、旅游經(jīng)濟(jì)綜合評(píng)估，而這些數(shù)據(jù)較難獲取。因此以旅游收入和旅游人數(shù)確定城市的旅游區(qū)位，即：

2 灰色關(guān)聯(lián)度與LSSVM預(yù)測模型

2.1.1 灰色關(guān)聯(lián)度分析

關(guān)聯(lián)度分析是確定關(guān)聯(lián)元素與目標(biāo)元素間關(guān)系的強(qiáng)弱，若樣本數(shù)據(jù)反映出兩因素變化的態(tài)勢（方向、大小和速度等）基本一致，則他們間的關(guān)聯(lián)度較大；反之，它們間的關(guān)聯(lián)度較小。具體算法步驟如下：

（1）選擇參考序列

采用GRA法，首先需確定評(píng)價(jià)單元序列和參考序列。設(shè)評(píng)價(jià)單元序列由二個(gè)樣品和n個(gè)評(píng)價(jià)指標(biāo)組成，即{xik}（i=1，2，3，…，m；k=1，2，3，...，n ）。參考序列即是反映系統(tǒng)行為特征的參考數(shù)列，即{x0k}（k=1，2，3，…m）。

（2）原始數(shù)據(jù)無量綱化

由于原始數(shù)據(jù)包括多個(gè)關(guān)聯(lián)因素體系，測度的單位不同，不利于各個(gè)評(píng)價(jià)單元間的比較。因此在進(jìn)行灰色關(guān)聯(lián)度分析時(shí)，為便于進(jìn)行無量綱化和歸一化，因而采用均值法進(jìn)行無量綱化處理。

2.1.2 基于支持向量機(jī)的預(yù)測模型

根據(jù)歷史數(shù)據(jù)構(gòu)造對(duì)外客運(yùn)交通流與各個(gè)因素間的關(guān)系模型，利用支持向量機(jī)進(jìn)行仿真訓(xùn)練；用測試樣本進(jìn)行測試，分析測試結(jié)果與真實(shí)結(jié)果間的關(guān)系。再輸入未來年相關(guān)因素變量值，用已擬定好的仿真模型進(jìn)行測試，實(shí)現(xiàn)對(duì)外客運(yùn)交通需求預(yù)測。LSSVM模型中核函數(shù)的選擇會(huì)影響到模型的性能，因此在LSSVM建模過程中選擇合適的核函數(shù)顯得尤為重要。本文選用RBF核函數(shù)提高收斂性[4]。

3 基于LSSVM模型的對(duì)外客流預(yù)測

近年來隨著對(duì)西部地區(qū)的投入開發(fā)，拉薩市未來交通基礎(chǔ)設(shè)施正在不斷的建設(shè)，如何科學(xué)合理地預(yù)測對(duì)外客流，對(duì)促進(jìn)拉薩市經(jīng)濟(jì)、交通的快速發(fā)展起到重要的作用。

（1）輸入變量的選擇

選取的數(shù)據(jù)輸入量要能反映對(duì)外客運(yùn)交通的發(fā)展趨勢，因此根據(jù)上式選擇出關(guān)聯(lián)度較大的影響因素，并采取歸一化處理，使輸入量在[0，1]之間。根據(jù)灰色關(guān)聯(lián)度分析，得到關(guān)聯(lián)度從高到底排序?yàn)槿司鵊DP（0.91）、第二產(chǎn)業(yè)總值（0.91）、第三產(chǎn)業(yè)總值（0.88）、交通區(qū)位（0.74）作為輸入變量。

（2）學(xué)習(xí)訓(xùn)練樣本建立

為了獲取準(zhǔn)確可靠的樣本輸出值，根據(jù)收集到拉薩市2005～2016年的數(shù)據(jù)，采用C++編程實(shí)現(xiàn)算法，從中提取前面8組數(shù)據(jù)作為訓(xùn)練樣本，后面4組作為測試樣本。在本文中系數(shù)C=10，ε=0.45。

（3）客流預(yù)測

將未來年的輸入變量帶入模型中預(yù)測得到未來幾年的結(jié)果如圖1所示。

4 結(jié)論

支持向量機(jī)回歸已成為相關(guān)領(lǐng)域比較熱門的研究對(duì)象，其在非線性數(shù)據(jù)處理方面的能力較強(qiáng)。本文從輸入變量人手，將對(duì)外客運(yùn)量相關(guān)的因素全面考慮，采取灰色相關(guān)度分析出相關(guān)度較高的因素作為輸入變量，提升交通需求預(yù)測的精度。

參考文獻(xiàn)：

[1]王生昌，白韶波，張慧.公路客運(yùn)量預(yù)剛方法的比較[J].長安大學(xué)學(xué)報(bào)（自然科學(xué)版），2005， （05）：83-85+98.

[2]繆薈，繆翼軍，陳紅坤，胡畔.基于模糊層次分析法與支持向量機(jī)的變壓器風(fēng)險(xiǎn)評(píng)估[J].現(xiàn)代電力，2014，31（06）：64-69.

[3]沈瑞光.城市綜合交通樞紐客運(yùn)需求預(yù)測方法與模型研究[D].哈爾濱工業(yè)大學(xué)，2013.

[4]肖健華，林健，劉晉.區(qū)域經(jīng)濟(jì)中長期預(yù)測的支持向量回歸方法[J].系統(tǒng)工程理論與實(shí)踐，2006， （04）：97-103.