基于历史数据和时间系数的城市轨道站点客流预测.pdfVIP

第3O卷 第2期 佳 木 斯 大 学 学 报 ( 自然 科 学 版 ) V01．30 No．2 2012 年 o3月 JournalofJiamusiUniversity(NaturalScienceEdition) Mlil． 2012 文章编号：1008—1402(2012}02-0201一o4 基于历史数据和时间系数 的城市轨道站点客流预测① 陈满达， 李晓龙 (同济大学铁道与城市轨道交通研究院。上海 201804) 摘 要： 在对城市轨道交通站点客流规律、特点进行分析的基础上，通过对上海市轨道交通系 统客流历史数据的深入分析，在引入平假 日系数的同时，提出了小时系数的概念 ，并建立 了基于 平假 日系数和高峰小时系数的城市轨道交通站点客流神经网络预测模型，提高了站点进站客流 预测的精度，为城市轨道交通系统客流管理提供了理论基础． 关键词： 城市轨道交通；神经网络预测；站点客流；时间系数 中图分类号：U121 文献标识码：A 班发生延误，随后导致大批量客流的集中出港，就 0 引 言 会使机场附近的轨道交通站点出现短时间内的进 城市轨道交通站点客流在一定程度上可以反 站高峰． 映轨道交通的即时运营状况，预测站点客流则可以 城市轨道交通的站点客流具有较稳定的时间、 为城市轨道交通的运营组织者提供实时调度管理 空间分布，同时站点客流也会受到许多不确定性因 的依据，此外站点客流的预测也是动态路径诱导系 素的影响，这些错综复杂的因素使得站点客流又表 统实现的基础和前提．本文主要是研究如何利用 现出很强的非线性，而人工神经网络在非线性预测 BP神经网络来实现城市轨道交通站点客流的预 中就显示出了明显的优越性．人工神经网络具有通 测，并通过引入相关的时间系数来提高预测精准 过学习逼近任意非线性映射的能力，将人工神经网 度 [1】． 络应用于城市轨道交通的站点客流的预测建模，也 便于给出工程上易于实现的学习算法． 1 城市轨道交通客流影响因素及特点 2 城市轨道交通站点客流的预测模型 城市轨道交通的站点客流具有一定的时间、空 间分布规律，同时城市轨道交通站点客流也会受到 2．1 BP神经网络预测模型 诸多因素的影响 】，其中以下因素的影响比较大： 临时人群聚集活动．当站点周边有诸如体育 大脑由密集的相互连接的神经细胞或基本信 场、影剧院的等大型公用设施时，在节 目演出或比 息处理单元(神经元)组成，为了模拟大脑的基本 赛结束后，会有一个持续时间较短的进站高峰，一 特性，一些研究人员在神经科学研究的基础上，提 段时间以后会部分车站出现一个短时间的出站高 出了人工神经网络的模型．人工神经网络是由大量 峰． 的处理单元相互连接而成的网络，用 “节点”或 “人 短时内的天气变化．短时间内的剧烈天气变 工神经元”仿真生物神经元．通过大量人工神经元 化，会造成某些站点的进出站客流低潮，一段时间 的相互连接便构成人工神经网络，因此具有很强的 后又会出现补偿性的客流高峰． 逼近功能和 自学习、自适应性，能够描述系统内在 其他交通方式的客流突变．由于人为或 自然原 的非线性特征 J．