基于BP神經網絡的城市常規(guī)公交客運量預測研究

摘 要：本文在參考大量文獻后，選取了7項城市常規(guī)公交客運量的影響因素，并利用灰色關聯(lián)分析，對這些因素進行定量分析。最后，在BP神經網絡理論的基礎上，以西安市為例，建立BP神經網絡模型并對西安市的常規(guī)公交客運量進行預測，通過誤差分析，證明該模型的可行性。

關鍵詞：客運量預測 BP神經網絡 灰色關聯(lián)

一、引言

常規(guī)公交主要是指載客量相對較小的公交汽車、有軌電車以及無軌電車。近年來，盡管有城市地鐵建設的快速發(fā)展，但常規(guī)公交依然在城市交通系統(tǒng)中發(fā)揮著重要的作用?？瓦\量是評價常規(guī)公交運輸工作的重要內容和衡量指標，也是交通運輸組織工作的重要參考和依據(jù)。客運量的各個影響因素之間并不是孤立的，而是彼此之間具有很復雜的非線性關系。BP人工神經網絡正是有效解決這種關系的工具。故本文嘗試用BP神經網絡來進行城市常規(guī)公交的客運量預測問題。

二、常規(guī)公交客運量影響因素

許多學者對常規(guī)公交客運量影響因素進行了分析，高詠玲、楊浩在研究城市公共交通客運量時，是從城市公交服務水平和城市發(fā)展情況兩方面來分析；蔡志雄在研究城市常規(guī)公交客運量影響因素時，確定了國民生產總值、市區(qū)常住人口、居民可支配收入、建成區(qū)面積、等九項影響因素。在綜合考慮現(xiàn)有文獻中提到的影響因素，本文初步選取了國民生產總值、年末常住人口、城市建成區(qū)面積、摩托車保有量、民用汽車擁有量、出租車擁有量、標準運營車輛，這七個因素作為常規(guī)公交客運量的影響因素。這些因素具體應用于某個城市時無法判斷它們之間是否相關，所以本文選擇了灰色關聯(lián)法確定某城市常規(guī)公交客運量的影響因素。應用灰色系統(tǒng)關聯(lián)分析的具體步驟如下：

1.確定參考數(shù)列和比較數(shù)列。

設參考數(shù)列和比較數(shù)列分別為

2.求參考數(shù)列和比較數(shù)列的無量綱數(shù)值。

3.求參考數(shù)列和比較數(shù)列的灰色關聯(lián)系數(shù)ζ。

三、基于BP神經網絡的客運量預測

1.BP神經網絡簡介。BP神經網絡（Backprougation Neural Network）是一種誤差反向傳播的神經網絡，它的網絡可以分為三層：輸入層、隱含層和輸出層。運用BP神經網絡來做預測時，首先要對歷史序列數(shù)據(jù)做歸一化處理，并作為前饋網絡的輸入和輸出；其次確定BP網絡的參數(shù)；然后利用B-P算法對歸一化的數(shù)據(jù)進行訓練；最后利用訓練得到的網絡進行預測，將要預測的影響因素的數(shù)據(jù)作為輸入，得到的輸出即為最終的預測值。

2.西安常規(guī)公交客運量預測。

2.1數(shù)據(jù)的獲取。通過查詢西安2005～2014年統(tǒng)計年鑒，獲得了七個影響因素及常規(guī)公交客運量2005-2014年的數(shù)據(jù)，結果如表1所示。

將常規(guī)公交客運量作為參考數(shù)列，7個影響因素作為比較數(shù)列，利用EXCEL對參考序列和比較數(shù)列間進行灰色關聯(lián)度分析，當ζ=0.5時，關聯(lián)度如表2所示。由于所有影響因素的關聯(lián)度都大于0.6，所以選取的影響因素全部可行。

2.2建立BP神經網絡。根據(jù)BP神經網絡的特點，本文將影響客運量的因素作為輸入，客運量作為輸出，建立具有7個輸入變量、10個隱含層節(jié)點、1個輸出的BP神經網絡，中間層的傳遞函數(shù)為tansig，輸出層的傳遞函數(shù)為logsig。將2005～2012年的數(shù)據(jù)分別作為訓練網路的輸入P和輸出T，要預測2013和2014年份的客運量，將西安市2013、2014這兩年的七項影響因素的數(shù)據(jù)作為測試網絡的輸入，測試網絡的輸出即為預測值。

2.3預測結果分析。

由表3可知，網絡的擬合精度和預測預測精度均在10%以內，因而本文建立的模型是有效的。

四、結語

本文中的客流量預測模型可以作為城市常規(guī)公交客運量預測的依據(jù)，其中某一年份影響因素的數(shù)值可以通過專家經驗法、平滑預測法、加權平滑預測法等方法預測，例如要預測2017年的客運量，可以根據(jù)經驗判斷或上述提到的預測方法將影響因素的數(shù)據(jù)先預測出來，然后將其作為測試輸入來預測2017年的客運量。本文將灰色關聯(lián)度分析和BP神經網絡算法相結合應用于客運量的預測，來提高預測的精度，是客運量預測的一個有效工具。

參考文獻：

[1]馬娜.城市常規(guī)公交服務品質分析與評價研究[M].北京交通大學，2011.

[2]申耀偉，謝孝如.基于灰色動態(tài)模型的鐵路客運量預測與分析[J].中國鐵路，2008（6）：36-38.

[3]王玉剛，姚云紅，李英帥，陳曉芬.基于灰色理論的重慶市常規(guī)公交客運量影響因素分析及預測[J].交通信息與安全，2014，32（6）：89-93.

[4]高永玲，楊浩.城市公交客流影響因素的改進灰色一致關聯(lián)分析[J].系統(tǒng)工程理論與方法，2007，7（6）：102-108.

[5]蔡志雄.基于神經網絡的中小城市常規(guī)公交客運量預測研究[M].西南交通大學，2010.

[6]劉思峰，蔡華，楊英杰，曹穎.灰色關聯(lián)分析模型研究進展[J].系統(tǒng)工程理論與實踐，2007，7（6）：102-204.