摘要：為了更精確地預測短期站點客流量,動態調整城市軌道交通的日?？土鞣桨?采用支持向量機模型對預測地鐵客流量。首先,通過對AFC數據分析,利用上周同期進站量、前一天同期進站量、當日前兩個時段進站量以及高峰和非高峰時段參數作為模型的輸入變量;然后,構造支持向量機預測模型并運用粒子群算法優化模型(PSO-SVM模型),實現地鐵站點客流量預測,并進行不同模型預測誤差的比較分析;最后,以蘇州地鐵數據為例,預測汾湖路地鐵站的進站客流量。結果表明,優化模型能夠有效改善預測誤差,預測結果更為準確,證明PSO-SVM方法能有效用于地鐵進站客流量的預測研究,為地鐵進站客流量預測提供了新的方法。