刘 杰 衡玉明 赵 辉 高学金 王 普

（1.北京公联交通枢纽建设管理有限公司 北京100161；2.北京工业大学电子信息与控制工程学院 北京100124）

0 引 言

目前我国正在大力发展以轨道交通为骨干，以公共汽车、电车交通为主体的，实现各类交通方式之间有机衔接的城市综合客运交通体系，以缓解城市客运交通的困境［1－2］。交通枢纽在城市综合客运交通体系中的主要功能是有效衔接各种交通方式，汇集和分配各种客流，满足乘客中转换乘时高效、安全、便捷、舒适的需要。城市交通枢纽的建设满足了居民的出行需要，然而枢纽内的客流量却呈现出了动态性的变化，客流量不仅影响交通枢纽的空间布局，同时也影响着枢纽内部的客流输送组织方案［3］。因此，对客流量进行短期的预测能够在一定程度上影响交通的组织方案和应急预案的调整，因而对客流量进行短期的预测是十分必要的。

1 问题分析

交通枢纽短期客流的时序性特点具有明显随机波动性，因此在众多的短期预测的模型方法中（主要包含指数平滑法［4］，灰色预测法［5］，神经网络［6］以及支持向量机［7－8］等），BP神经网络是具有适应性的简单单元组成的广泛并行互联的网络，具有良好的非线性，高度并行的处理机制［9］。使得网络具有较好的模式识别能力和在任意精度逼近非线性预测的能力。最小二乘支持向量机（LSSVM）是标准支持向量机（support vector machine，SVM）的1种扩展［10］，是建立在统计学习理论的VC维和结构最小化原理基础之上的方法，能够很好地解决有限数量样本的高维模型构造问题，且构造的模型具有很好的预测性能；……