神經(jīng)網(wǎng)絡在地鐵客流預測中的應用分析

《神經(jīng)網(wǎng)絡在地鐵客流預測中的應用分析》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。

1、神經(jīng)網(wǎng)絡在地鐵客流預測中的應用分析郭娟劉雪峰譚萬波貴州交通建設監(jiān)理咨詢有限公司貴州宏信創(chuàng)達工程檢測咨詢有限公司貴州交咨工程檢測有限公司摘要：地鐵是現(xiàn)代城市屮的一項重要交通工具，其在具有應用屮具有準時、低污染、運輸量大等特點，因此得到了人們的青睞。地鐵交通對緩解城市的交通壓力來說有著重耍作用，由于地鐵的應用越來越廣泛，因此人們對其提出了更高的耍求，不僅要求其能夠滿足人們在山行的需求，同時還應當使其能夠高效運行，使其在具體運行過程中效率最大化，由此可見要做好客流預測工作，對地鐵的運行進行合理控制。關鍵詞：神經(jīng)網(wǎng)絡;客流預測;客流數(shù)據(jù);收稿日期：2017-8-1Received

2、：2017-8-1近幾年，隨著地鐵應用越來越廣泛，因此人們加強丫的地鐵的研宂與分析。神經(jīng)網(wǎng)絡的理論的不斷發(fā)展，使很多神經(jīng)網(wǎng)絡應用在客流預測研宄中，但是這些客流的針對研宄主要以公路客流為主，針對地鐵客流的研宄則和對較少，而從地鐵的實際運行情況來看，對地鐵客流進行預測是對與提高地鐵運行的合理性來說有著重要意義，因此加強針對該項內(nèi)容的分析是必要的。1BP神經(jīng)網(wǎng)絡概述BP神經(jīng)網(wǎng)絡是一種多層前饋型神經(jīng)網(wǎng)絡。在BP網(wǎng)絡中，信號向前傳播，而誤差則向反方向傳播，一般來說在BP祌經(jīng)網(wǎng)路中，具有一個或多個sigmoid隱層或線性輸出層，可以實現(xiàn)對有限的不連續(xù)點逼近111。這種信號向正方向傳播

3、，誤差向方向傳播方式，同時不同層權值的調(diào)制是循環(huán)的，直到網(wǎng)絡輸出的最終較少到設定的值，或達到設定的指定次數(shù)為止。隨著一段時間的發(fā)展，BP神經(jīng)網(wǎng)絡在性能和理論方面都變得比較成熟。其在具體成用過程中的一項主要優(yōu)點就是具有較強的柔性網(wǎng)絡結構和線性映射能力。IM格中的各神經(jīng)元個數(shù)以中間層數(shù)在具體設計過程中可以依據(jù)實際情況而定，并且受結構差異的影響，其性能也會有所不同m。需要注意的是，bp祌經(jīng)m絡除了具有以上優(yōu)點之外，也存在一定的缺點，主要體現(xiàn)在以下幾個方面：(1)學習速度相相對來說較慢，一個簡單的問題，也需要多次學習才能收斂。(2)易陷入局部極小值。(3)缺少相應的理論對神經(jīng)元個

4、數(shù)、網(wǎng)絡層數(shù)的具體選擇進行適當指導。(4)網(wǎng)絡推廣能力有限。針對上述存在的各種問題，現(xiàn)階段已經(jīng)找到了許多的有效的改進措施，其中研宄最多的就是，如何采取合理的措施加快網(wǎng)絡收斂速度，同時采取有效的措施，避免陷入局部極小值問題。2Elman神經(jīng)網(wǎng)絡概述Elman反饋神經(jīng)網(wǎng)絡，其是對一種帶有反饋的兩層神經(jīng)網(wǎng)絡，在只體問題分析過程中，反饋連接有第一層輸出端與輸入端連接，這種反饋連接方式在具體應用過程屮，可以使Elman網(wǎng)絡可以檢測，并丑生產(chǎn)時變模式。該模式是以BT網(wǎng)絡結構為基礎，通過存儲內(nèi)部狀態(tài)，從而使其具有映射動態(tài)特征，提高系統(tǒng)的適應時能力。通過對Elman祌經(jīng)網(wǎng)絡進行分析可知，

5、其具有多層結果，除了具有普通隱含層外，在結構中還有一個特別隱含層，將其稱作狀態(tài)層或上下文層m。在層在具體應用構成屮，接收到自普通層的反饋信號，上下文層N的神經(jīng)元輸出被向前傳輸?shù)诫[含層，這是在具體分析過程中需要注意的一項內(nèi)容。Elman神經(jīng)網(wǎng)絡在結構上的這一特點，使其可以在有限時間內(nèi)，以任意精度逐漸逼近函數(shù)U1。同時，因為結構木身存在反饋連接，因此，在對其進行訓練后，一方面可以識別和形成空間模式，另一方面也能夠識別和產(chǎn)生時間模式。3神經(jīng)網(wǎng)絡建模在地鐵客流預測中應用3.1客流數(shù)據(jù)統(tǒng)計分析以某地鐵的二號自動扶梯，以一周的客流統(tǒng)計為例進行分析。地鐵的運行時間為早5:0(f晚23:

6、00，每天從早5:00開始統(tǒng)計，直到晚23:00結束，以lh為單位進行客流進行取樣統(tǒng)計，為Y縮小工作量，每隔lh進行一次統(tǒng)計，將其作為客流樣本。該地鐵2號上行扶梯一周的上行扶梯客流量數(shù)據(jù)如表1所示。3.2神經(jīng)網(wǎng)絡建模在地鐵占自動附體流量預測過程中對神經(jīng)網(wǎng)進行應用，需要考慮的因素較多，其中對地鐵扶梯客流量影響的主要因素體現(xiàn)在以下幾個方而：(1)周末:將周末定義為1，非周某則定義為0。(2)法定假閂(中秋、端午、春節(jié)、國慶等)，在具體分析過程中，應當依據(jù)假日對客流造成的影響而定，中秋、國慶、端午可定義為0.8，春節(jié)可以定義為1，非節(jié)假日則可以定義為0。(3)季節(jié):對春夏秋冬四

7、個季節(jié)，地鐵客流總量的進行詳細統(tǒng)計分析，最終依據(jù)統(tǒng)計結果，確定影響值。(4)天氣狀況H衣?lián)鞖獾氖孢m程度、惡劣狀況，確定影響值。(5)扶梯運行的運行防線:上行為1,下行為0。(6)—些突發(fā)性事件，例如演唱會，大型運動會等，有則為1，沒有則為0。針對4月16、月22口數(shù)據(jù)，選擇前一天的客流量數(shù)據(jù)和第二天對客流量會造成影響的因素，將其作為輸入樣本，第二天客流數(shù)據(jù)作為神經(jīng)網(wǎng)絡的輸出，這樣可以得到5組訓練樣木。將4月23日和4月24日的客流量作為分析的測試樣木。在只體問題分析過程中，因為客流量數(shù)據(jù)單位和影響因素不通過，這也將會導致樣本