《公交客流生成预测的神经网络模型.pdf》由会员分享，可在线阅读，更多相关《公交客流生成预测的神经网络模型.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第6 卷 第 1 期 2 O O 6年 2月 交通运输系统工程与信息 J o u rna l o f T r a n s p o r t a t i o n S y s t e ms E n g i n e e r i n g a r i d l n f b r ma t i o n I e h n o l o g y V o 1 6 No 1 F e b r u a r y 2 O O 6 文章编号：1 0 0 9-6 7 4 4(2 0 0 6)0 1 0 O 6 8 0 3 公交客流生成预测的神经网络模型 冯树民，李晓冬 (哈尔滨工,i k 入学交通科学-qT程学院。哈尔滨 1 5 0
2、0 9 0)摘要：公交客流预测是城市公共 交通规 划的重要 内容，是确 定城 市公共 交通发展规模、布 置场站及布设线路的根本依据，也是制定城市公共 交通发展政策的重要依据 本文通过分 析神经网络 的作用机理和公 交客 流生成量的影响 因素，建 立 了公 交客 流生成量预测 的三层 B P 神经网络模型，以土地利用(8个神经元)、人口数 以及 区位 系数作为输入神经元，输 出神 经元为公交客流的产生量和吸引量，隐层神经元数根据最大相对误差最小为 目标试算求得 以哈 尔滨市一 日的调查数据 对模 型进 行 了标 定与检 验，结 果证 明，模 型 具有较 高 的预 测精 度 关键词：公交生成量；B
3、 P神经网络；产生量；吸引量 中图分类号：U 4 9 1 1 A Ne u r a l Ne t wo r k Mo d e l f o r 1 i a n s i t Ri d e r s h i p Fo r e c as t s F EN G S h u mi n，L I Xi a o d o n g (S c h o o l o f C o m mu n i c a t i o n si e n e e fi n d E n g l n e e r i n g，Ha r b i n I n s t i t u t e o f T e c h n o l o g y，H a r b i
4、n 1 5 0 0 9 0，C h i n a)A b s t r a c t：T r a n s i t r i d e r s h i p f o r e c a s t i s a o i mp o r t ant c o mp o n e n t o f t r ans i t p l a n n i n g。a n d i s t h e b a s i s t O d e t e m i n e t h e s c a le o f t r a n s i t d e v e l o p me n t，】o c a t i o n s o f s t o p s a n d t r
5、 a n s i t rou t e s p l=lc|_ a n a l y z e s the me c h a n i s m o f n c u r al n e t wo r k a n d i n flu e n t i al f a c t o r s o f t r a n s i t g e n e r a t i o nA t h r e e l a y e r BP n e u r al n e t wo r k mo d e l i S d e v e l o t d t o f o i,e c a s t t r a ns it rid e r s，i n w h i
6、 c h t h e i n p u t n e r v e c e l l s i n c l ode l a n d U S e t y p e(8 n e r v e c l e l l s)，p o p u 1 a t i o il a n d s e c t i o n l o c a t i o n c o e ff l t r e n t，t h e 0 u t p t l t n e r v e c e l l s inc l u d e t r a ns i t g e n e r a t i o n a n(1 a t t r a c t i o n，arid t h e
7、n u mb e r o f n e nrc c e l l s o f e o n c e a l e d l a y e r i 8 c alc u l a t e d wit h t h e mo d e Iir l wh i c h the ma xi ml l m f r a c t i o r d e r r o r r e a c h e s t h e mi nimu m v aln eTh e t r i o d e 8 c a l i b r a t e d a n d t e s t i fie 1 w i t h o n e-d a y f i e l d d a t
8、a f r o m Ha r b i n w h i c h s h o w s t h a t t h e f o r e c a s t p r e c i s i o n o f t h e mo d e I rel a t i v e l y h i g h Ke y wo r d s：t r a n s i t g e n e r a t i o n；b a c k p r o p a g a t i o n n e u r a l n e t w o r k；t r a f fi c g e n e r a t i o n；t r f i c a t t rac t i o n C
9、I C n umb e r：U4 91 1 0 引 言 公共交通是我国城 市居民出行 的重要交通 方 式，一个高效运行的公交系统将有利于城市交通的 通畅，方便人们出行，减少环境污染 公交客流预测 是城市公共交通规划的重要内容。，是确定城市 公共交通发展规模、布置场站及布设线路的根本依 据，也是制定城市公共交通发展政策的重要依据 公交 出行 生成是指居 民全方式出行生成量 巾 采取公交出行力 式 的那一部分 公交出行生成 预 测方法是建立各交通小 居民采取公交 出行方式 的 行发生量和吸引量与各交通分区的土地利用、社会经济特征等变量之问的定量关系，推算规划年 各交通小区的公交出行发生量、吸引量
10、通常采用 的预测方法有：家庭类别生成模型法、回归模型法、增长率法、发生率法和时间序列法等 交通 出行生成模型所涉及到的影响因素和不 确定 因素较 为复杂，表现在既要考虑社会经济指标 义要考虑土地利用指标，而这两者本身就是一个复 杂的大系统，系统变最数很多，数据也不太容易得 到 奉义通过在对神经 网络 进行研 究基础上，提 收稿 日期：2 0 O 5 0 4-1 5 基金项目：哈尔演工业大学校基金资助项 目(H 1 T 2 0 0 1 5 9)冯树民(1 9 7 3 一)，男，哈尔滨工业大学讲师，博_ L 研究生 研究方向为交通运输规划与管理 E m a i l：z,l y hi t e d u
11、 c n 维普资讯 http:/ 第 1 期 公交客流乍成预测的神经网络模型 6 9 出公交客流生成预测的 B P神经网络模型 1 公交生成量的主要影响因素 1 1 居 民的社 会经济 特性 城市居民的社会经济特性主要包括交通区人 L】、劳动力资源、就业 岗位、就学岗位、学生数、职工数量 等居民特征以及居民收入、政治、经济、文化等社会发 展水平 大量的调查统计资料表明，居民的社会经济 特性主要影响交通区居民公交出行的产生量，同时对 居民公交出行的吸引量也会有一定的影响 1 2 土地 利用 性质 城市交通与土地 利用相互联系，相互制约，不 同城市土地 利用状况对应城 市交通状 况也不 同 单中心
12、模式的城市，市 中心交通需求量 大，远 离中 心区的需求量小；多中心城市的交通需求则分散在 各中心，交通需求分布 比较均匀 城市土地利用对 交通影响主要表现在城市土地利用对交通出行 的 影响 过强的土地利用常导致较高的交通需求 城市内部居民的出行方式、交通量和交通方式 分布，基本上是土地利用空间分布的函数 土地开 发结果是产生以该 区为起点的新 出行或吸引其它 区的新出行，土地利用性质是居民公交出行生成量 的 主要 影响 因素 1 3 交通 区位特 征 区位是 自然地理位置、经济地理位置、和交通 地理位置在空间地域上有机结合的具体表现 以 往的调查资料分析表明，居民经济特征和土地利用 性质相同
13、的两个交通 区，由于所处 区位的不 同，其 交通出行产 生量 和吸引量不尽相 同，有时差别很 大，这说 明区位对于交通区出行产生量和出行吸引 量 有较 大 的影 响 2 多层前 向神经网络 多层前向网络 由输入层、中间层(隐层)和输出 层组成，中间层可有若干层，在实际应用中，多层前 向 网络 经常 被设 计为 3层(见 图 1)误差逆传播算法是对多层网络连接权校 正的 一种训练方法，它利用实际输 出与期望输 出之差对 网络的各层连接权由后 向前逐层进行校正 人们 把采用这种算法进行误差校正的多层前 向网络称 为 B P网络 假设一个 K层神经网络原始输入向量、权矩阵、接受值向量和输出向量及它们
14、之间的关系分别为=Z；输入层 隐层 输H 1 层 图 1 3 层前 向神经 网络 结构示意图 k Y1 k Y 2 t y =f(Z )(1)其中 Y =_厂()，k=1，2，K 学习规则是确定，使得 F()=(D y )(D )最小，D=(d。，d ，d )为理想 输 出 记 B =dl Y d 2一 y K2 (2)+=，(单位阵)则 F()=(B )B a g 爱 d i a g(0 l，0 2，血 )表示以 0 l，n 2，0，为对 角元素的 n阶对角阵，贝 0(!)，=2W K C yl y2 。一 Y 当第 t 个学习样本值 X(t)输入后，得到 Y (f)=(y 1I(f)，y
15、(f)，y o()(f)=(y 2 (f)，y 2(f)，o(f)()=(y (f)，y：(f)，y K(f)维普资讯 http:/ 7 0 交通运输 系统 l _ 程与信息 此 时，用(3)和 已知 的 W(t)可 以得 到相 J、的 用 带 有 参 数t 的 形 式 表 示 为 B (t)和(按 咖)下降 悯定权 数的学-j 规则为(+1)：(t)+8 F (t)=K，K 一1，1 (4)其中 (1)=一 (1)y (t)k (t)e 为第 t 步的学习效率 从(4)的学习规则 l口 以看到这样的一个规律：的修正是从最后一层神经元的权属 开始，反 向递推求解修正 K一1 层的 ，一直修正到
16、 第一层的权数 一般激活函数采用 f()=，则 J十C ：，(i)(1一，()2 0 0 6 年 2月 3 公交生成 量预测的神经网络模型 3 1 模 型 的结构 为使模型既有理论价值又有可操作性，采用 3 层 B P网络模型，在通过分析城市公交出行 成量 的影响因素的基础上，以交通分区内各类性质土地 的面积(共分 8种土地利用性质 8个神经元)、人 口 数、区位特征参 数量为输入层，隐层的神经元数通 过试算法，以相同汁算次数下最大相对误差最小为 E l 标确定，输出层为公交 出行 的产生量 和吸引量 2 个神经元 3 2 哈 尔滨 市公 交生成 量预 测模 型 的建立 以哈尔滨市现状调杏分析
17、处理得 到的居 民一 日内 2 1 个交通分区公交乘客 j 行量及与之相关的 土地利用、人 口的数据 为样本，对 B P神经网络进 行训练，在同样 训练 1 5 0 0 0次时，其最佳隐层数为 2 5，最大 相对误 差 为 1 1 0 3 将哈尔滨 凋查的 2 1个样本数据，代入模 型中 对模型精度进行预测检验，预测结果与实际调查数 据 比较 见 表 1 预 测 的 产 生 量 误 差 为 0 0 1 9 8 1 ，吸引 量误 差 为 0 1 4 一1 1 0 3 ，预测 的 效 果令人满意 =1 2，n ，J=1，2，n (5)表 1 输 出层检验 比较表 位：人次 交通分区 产生量 吸引最
18、 交通分 区 产牛量 吸引 交通分 区 产生量 吸引量 预测值 7 7 1 3 9 7 9 1 9 6 预测值 7 8 0 5 8 7 6 9 9 5 预测值 3 3 0 5 6 3 l 5 0 6 1 调查值 7 9 9 0 0 7 5 4 9 0 8 渊查值 7 7 6 3 9 7 7 5 8 0 1 5 、捌查值 3 3 3 7 5 3 1 0 3 1 误差()3 4 6 4 9 1 误差()一0，5 4 0 7 5 误差()0，9 6 1 5 3 预测值 7 8 8 1 2 8 4 4 7 2 预测值 6 1 2 3 0 5 8 6 0,4 颅测值 1 8 7 8 6 1 6 7 4
19、5 2 调查值 7 7 4 6 7 8 6 6 2 3 9 调查值 5 9 2 9 9 6 1 1 2 1 l 6 调查值 1 8 6 0 8 1 7 0 5 2 误差()一1 7 4 2 4 8 溪差()一3 2 6 4，1 2 误羞()一0 9 6 1 8 0 预测值 7 8 1 5 1 8 0 8 3 9 预测值 1 8 5 6 8 2 1 6 9 1 预测值 1 7 7 3 5 1 2 4 3 7 3 调查值 7 9 6 2 7 7 9 2 8 3 l 0 调查值 2 0 5 2 l 1 9 5 3 7 1 7 调杏倩 1 7 0 7 4 1 3 5 l 8 混差()1 8 5 1，9
20、 6 误差()9 5 2 1 1 0 3 差()3，8 7 8 0 0 预测值 6 1 1 4 2 6 8 2 6 9 预测值4 8 9 1 3 5 0 3 5 6 预测值 7 1 0 5 8 2 0 2 4 调查值 6 0 8 1 9 6 9 0 8 6 1 1 凋告债4 8 9 0 6 5 O 4 2 5 1 8 捌查值 7 8 7 8 7 5 1 0 误差()一0，5 3 1 1 8 误差()一0 0 1 0 1 4 误差()9，8 1 9 2 1 预测值 5 3 7 0 1 6 4 9 2 5 预测值 5 4 2 9 4 5 1 8 4 3 预测值 2 0 0 5 2 1 4 9 4
21、5 5 调查值 5 2 6 7 8 6 6 3 6 7 l 2 渊查值 5 3 9 9 2 5 2 0 7 7 l 9 调查值 1 9 7 8 7 1 5 4 8 8 误差()一l，9 4 2 1 7 误差()一0，5 6 0 4 5 误差()一1，3 4 3，5 1 预测值 7 5 1 1 O 6 8 8 4 6 预测 值 6 1 1 9 6 6 1 1 l x)预测值 1 8 1 3 7 1 4 7 5 9 6 调查值 7 5 8 7 0 6 8 1 7 0 l 3 调查值 6 2 1 2 6 5 9 9 9 8 2 O 调查值 1 8 2 5 1 1 4 4 8 8 误差()1 0 0
22、0，9 9 误差()1，5 0 1 8 4 误差()0 6 2 1 8 7 预测值4 1 4 5 3 4 6 0 3 2 预测值4 6 4 9 2 3 9 8 3 5 预测值 6 5 3 3 6 7 7 5 7 调查值4 1 0 6 1 4 6 7 1 3 l 4 调查值4 6 7 3 9 3 9 3 9 4 2 1 调查值 6 4 9 3 7 1 5 9 误差()0 9 5 1，4 6 谍尊()0，5 3 一1 1 2 洪差()一0 6 2 5 3 6 (F转第 9 9页)维普资讯 http:/ 第 1 期 研 究城市快速公路 交通流的分形数学方法 9 9 l N 再令 Y =+即取 Y 为
23、 +，J=0，1，2，的代数平 均 值 这 样，我 们 得 到 了 交 通 流 量 数 据(t ，Y )，通过分形插 值方法 还可得 到定 义域 t ，上的交通流量数据 3 结束语 通常情况下，城市交通网络的某路段在一定时 期(一年或几个月)内几何结构不会发生大的变化，而且交通需求情况较稳定(或变化缓慢)，可以认为 在一周 内交通流 的时空分布是稳定 的由于周交 通流的时空分布具有高度时变和非线性 的特点，因 此，我们采用分形数学建立模型，以达 到尽量准确 预测 的 目的在城市交通网络中，各路段的流人、流出交通量是网络交通需求量、道路与交叉 口通行 能力、信号配时以及交通管制措施等因素综合作用
24、 的结果，因而在预测时无需单独考虑这些因素对交 通流量的影响 本文在理论上研究了城市快速公 路交通流整体函数的模拟及未来预测的分形方法，作者将另文讨论将该理论在具体城市快速路段上 进行实际模拟、实验等事项 例如，如何快速准确 计算 H u r s t 系数 日，如何画 出分形插值 函数 f()的图象，如何测量前(+1)个交通 流量数据，如 何在关键点设置检测工具捕获流量，如何使用探测 车检测流量，怎样验证数学模型的合理性等等 参考 文献 1 王亦兵，韩曾晋，史其信 高速公路交通流建模 J 系统工程学报，1 9 9 8，1 3 (上接第 7 O页)、。p 4结 论 将神经网络应用于城市公交客流生
25、成量的预 测，通过分析公交客流生成量 的影响因素，建立三 层 B P神经网络预测模 型，以土地利用、人 口数 和 区位系数作为输入神经元，公交客流的产生量和吸 引量作为输出神经元，隐层神经元数根据最大相对 误差最小试算求得 通过哈尔滨市 2 1 个调查样本 对模型标定与检验，检验 的产生量误差为 0 0 1 9 8 1，吸引量误差为 0 1 4 一1 1 0 3，检验的 效果令人满意 表 明模型可以应用于哈尔滨市的 To m V M He t e r o g e n e o u s Tr,ff fic fl o w mo d e l i n g )r a n u r b a n a e fi
26、al【Mj J o h n Wi l e y a n d S o n s，N e w Y o r k，2 0 01 王亦兵，韩 曾晋，罗赞文，等 智 能运 输 系统初 探 J 控制与决策，1 9 9 7，l 2(增刊)：4 0 3 4 0 7 黄小原，等 环城高 速公路 自校 正控制 J 自动化 学报，1 9 9 5，2 1(5)：6 0 9 6 1 2 罗方述，万百五 等 西安 一临潼高速公路递阶控制 方法研究 J 自动 化学报，1 9 9 1，1 7(3)姜紫 峰 高速公路 动态 交通流建模 与控 制策 略 J 信息 与控 制，1 9 9 6(4)：2 2 4 2 3 2 P a x s
27、o n V a n d F l o y d S Wi d e a l e a，t r a f c：t h e f a i l u r e o f p o i s s o n m o d e l i n g J P r o c A C M S i g c o mm 9 4，1 9 9 4，2 5 7 2 6 8 Ad d i e R G Z u k e r ma n M a n d Ne a me T F r a c t a l t r a mc：m e a s u r e m e n t，m o d e l i n g a n d p e r f o r m a n c e e v a l u
28、 a t i o n J I NF0COM 9 5，1 9 9 5，9 7 79 8 4 Ma n d e l b r o t B B a n d V a n J W。N e s s F r a c t i o n a l B r o w n i a n m o t i o n，fr a c t i o n a l n o i s e a n d a p p l i c a t i o n s l J j S I A M R e-v i e w，1 9 6 8，1 0(4)：4 2 2 4 3 7 F a l c o n e r K J F r a e t a l G e o me t r y
29、：Ma t h e ma t i c a l F o u n d a t i o n a n d A p p l i c a t i o n s M J o h n Wi l e y a n d S o n s，N e w Y o r k，1 9 9 0 Ma n d e l b r o t BTh e f r a e t a l g e o me t r y o f n a t u r e。W H F r e e ma n a n d Co mp a n y，S a n F r a n c i s c o。1 9 8 2 Hu t c h i n s o n J EF r a c t a l
30、 s a n d s e l f-s i mi l a r i t y，I n d i a n Un i v M a t h J 3 0(1 9 8 1)。7 1 3 关 积珍，城 市 道路 交 通 流 的 宏 观 特性 及 规律 分析 J 交通 运输系统工程与信息，2 0 0 5，5(1)：4 6 5 2 J i z h e n G u a n，P e n g j i a n S h a n gNo n l i n e a r An aly s i s A n d F o r e c a s t i n g O f T r a f fi c F l o w l J j J o u r n a
31、 l o f S y s t e m S c i e n c e a n d h ff o rnl a t io n，2 0 0 5(1)：2 0 72 1 8 陈德望 基 于模糊聚类 的快速路 交通 流分类 J 交 通运输系统工程与信息，2 0 0 5，5(1)：6 2 6 7 公交客流生成量的预测 、p p 参考文献 1 王炜，徐吉谦，杨涛，李旭宏，等 城市交通规划理论及 其应用 M 南京：东南大学出版社，1 9 9 8 2 邢文训，谢 金星、现 代优 化计 算 方法 M 北 京：清华 大学出版社，1 9 9 9 3 刘静，李亮，关伟，蔡 晓蕾 基于 神经 网络 的北 京环路 交通流短期 预测研究 J 交 通运输 系统 工程 与信息，2 0 0 5，5(6)：1 1 01 1 5 1 j i 2 3 4 5 6 7 8 9 m H r r r l r【r l r r l r【维普资讯 http:/