丁 蕾 徐永能 姜 毅

(南京理工大學(xué)交通工程系 南京 210094)

隨著我國城市軌道交通的高速發(fā)展，城市軌道交通正步入網(wǎng)絡(luò)化時(shí)代。地鐵換乘站是城市軌道交通線網(wǎng)中的重要節(jié)點(diǎn)，軌道交通不同線路間的內(nèi)部換乘是換乘站的重要功能之一，其內(nèi)部換乘效率的高低直接影響整個(gè)軌道交通的運(yùn)能，而換乘客流信息又是影響乘客內(nèi)部換乘效率的重要因素之一。

目前，在客流量較大的早晚高峰時(shí)段、節(jié)假日及有特殊活動(dòng)舉辦的時(shí)段，換乘站客流擁堵的現(xiàn)象時(shí)有發(fā)生。當(dāng)換乘客流不能及時(shí)得到疏散時(shí)，乘客的安全隱患將會大大增加，乘客滿意度也隨之降低。換乘客流的到達(dá)并非連續(xù)均衡，而是隨列車的到達(dá)呈現(xiàn)脈沖式的分布規(guī)律。因此，在網(wǎng)絡(luò)化運(yùn)營條件下，對換乘客流進(jìn)行實(shí)時(shí)的監(jiān)測，有助于了解換乘站大客流的突發(fā)狀況，做好應(yīng)對方案，從而提高城市軌道交通客流輸送能力，提高運(yùn)營服務(wù)質(zhì)量。

由于地鐵換乘客流的影響因素復(fù)雜、形成機(jī)理模糊，在換乘客流模型構(gòu)建和方法選取的過程中，需要考慮模型和算法能否應(yīng)對隨機(jī)因素強(qiáng)的系統(tǒng)結(jié)構(gòu)。目前，軌道交通還沒有針對換乘客流的短時(shí)客流預(yù)測方法，而常見的短時(shí)客流預(yù)測方法，難以應(yīng)對影響因素復(fù)雜、隨機(jī)性強(qiáng)的系統(tǒng)。故筆者結(jié)合神經(jīng)網(wǎng)絡(luò)識別復(fù)雜非線性系統(tǒng)的特性，采用BP(back propagation反向傳播)神經(jīng)網(wǎng)絡(luò)算法，構(gòu)建一種基于時(shí)序倒推的換乘客流實(shí)時(shí)監(jiān)測模型。

1 換乘客流實(shí)時(shí)監(jiān)測模型的構(gòu)建

1.1 基于時(shí)序倒推的實(shí)時(shí)監(jiān)測模型

地鐵換乘站換乘客流的突發(fā)性并非沒有規(guī)律可循，它和各站點(diǎn)的進(jìn)、出站客流具有密不可分的聯(lián)系，可以依據(jù)各站點(diǎn)到達(dá)換乘站的時(shí)間規(guī)律監(jiān)測各站點(diǎn)相應(yīng)時(shí)段的客流數(shù)據(jù)，并將各站點(diǎn)的需求數(shù)據(jù)導(dǎo)出，結(jié)合歷史數(shù)據(jù)及其他因素?cái)?shù)據(jù)進(jìn)行預(yù)測，最終達(dá)到實(shí)時(shí)監(jiān)測的目的，構(gòu)建一種基于時(shí)序倒推及站點(diǎn)實(shí)時(shí)監(jiān)測的換乘客流預(yù)測模型。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)

如果需要預(yù)測tk到tk+1時(shí)段Tk，k+1的換乘站(點(diǎn)O)的換乘客流，依據(jù)時(shí)間倒推原理，相應(yīng)地需要得知站點(diǎn)在(到tk'+1()時(shí)段間的進(jìn)站客流數(shù)據(jù)。其中

式中，t0為各站乘客進(jìn)站到候車區(qū)的平均時(shí)間，ε為該站點(diǎn)所在線路的列車發(fā)車間隔。

1.2 監(jiān)測模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

在對地鐵換乘客流進(jìn)行實(shí)時(shí)預(yù)測時(shí)，換乘客流與各站點(diǎn)進(jìn)站客流及換乘站出站客流、各站點(diǎn)到換乘站換乘的時(shí)間有著必然的聯(lián)系，因此在站點(diǎn)客流預(yù)測的結(jié)構(gòu)設(shè)計(jì)中，通過1.1節(jié)提到的思路，選取與換乘站待預(yù)測時(shí)段相對應(yīng)時(shí)段的各站點(diǎn)進(jìn)站客流作為輸入層，選取換乘站待預(yù)測時(shí)段各方向的換乘客流作為輸出層。

假設(shè)待預(yù)測的換乘站為某兩條線的換乘站，現(xiàn)在需要預(yù)測兩條線相互換乘的客流量，那么輸入層選取對應(yīng)時(shí)段所有可能在該換乘站換乘的各站點(diǎn)進(jìn)站客流，神經(jīng)元的個(gè)數(shù)為選取站點(diǎn)的個(gè)數(shù)，而輸出層則采用2個(gè)神經(jīng)元。

地鐵換乘客流監(jiān)測模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 客流監(jiān)測網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

2 算例應(yīng)用

2.1 南京地鐵線路情況簡介

南京地鐵1號線全長為21.72 km，共16個(gè)站。地鐵2號線是一條連接主城中心和城市副中心的東西向骨干線，全長37.545 km，共設(shè)26座站點(diǎn)。地鐵1號線南延線全長24.47 km，全線將設(shè)15個(gè)站，其中高鐵南京南站正在規(guī)劃中，地鐵南京南站未開通。目前，南京地鐵已開通3條線路，54個(gè)站點(diǎn)(不含南京南站)，其中新街口站為1號線主線和2號線主線的相互換乘站，元通站為1號線西延線和2號線主線的相互換乘站。

2.2 基礎(chǔ)數(shù)據(jù)準(zhǔn)備

訓(xùn)練數(shù)據(jù)的準(zhǔn)備工作是網(wǎng)絡(luò)設(shè)計(jì)和訓(xùn)練的基礎(chǔ)，數(shù)據(jù)選擇的科學(xué)合理性以及數(shù)據(jù)表示的合理性對于網(wǎng)絡(luò)設(shè)計(jì)具有極為重要的影響?？紤]到換乘客流的短時(shí)沖擊性，選取15 min作為一個(gè)預(yù)測時(shí)段。輸入樣本的時(shí)間段選取參見1.1節(jié)中提到的思路，其中輸入樣本取各站點(diǎn)進(jìn)站客流的統(tǒng)計(jì)數(shù)據(jù)值;輸出樣本的時(shí)間段對應(yīng)預(yù)測的時(shí)段。以南京地鐵典型換乘站新街口2010年6月30日(星期三)的換乘客流預(yù)測為例進(jìn)行分析。

從最佳路徑考慮，元通站的進(jìn)站乘客可直接換乘，無需經(jīng)過新街口站進(jìn)行換乘。因此，選取除去元通站和新街口站的另外52個(gè)進(jìn)站客流作為訓(xùn)練的輸入樣本，選取新街口各線路間的換乘客流為輸出樣本。

由于工作日和非工作日的客流特點(diǎn)存在較大差別，為檢測工作日與非工作日的樣本對預(yù)測值的影響，選取3種方案。在方案1中的網(wǎng)絡(luò)學(xué)習(xí)樣本里不考慮工作日與非工作日的區(qū)別，選取前27 d的數(shù)據(jù)為初始網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，后2 d的數(shù)據(jù)為修正網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。在方案2中的網(wǎng)絡(luò)學(xué)習(xí)樣本里去除8個(gè)非工作日的樣本數(shù)據(jù)，其中前19 d的數(shù)據(jù)為初始網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，后2 d(工作日)的數(shù)據(jù)為修正網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。方案3選取與方案2相同的網(wǎng)絡(luò)學(xué)習(xí)樣本個(gè)數(shù)，選取2010年6月9—29日對應(yīng)的各站點(diǎn)進(jìn)站客流數(shù)據(jù)統(tǒng)計(jì)值和換乘客流數(shù)據(jù)統(tǒng)計(jì)值作為訓(xùn)練樣本，進(jìn)行模型訓(xùn)練對比。其中，前19 d的數(shù)據(jù)為初始網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)，后2 d的數(shù)據(jù)為修正網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)。30日當(dāng)天各站點(diǎn)對應(yīng)時(shí)段的進(jìn)站客流數(shù)據(jù)統(tǒng)計(jì)值為預(yù)測的輸入樣本，最后通過BP神經(jīng)網(wǎng)絡(luò)預(yù)測出當(dāng)天早高峰時(shí)段(8:00—8:15)各線路間的換乘客流量，并與實(shí)際的換乘客流量進(jìn)行誤差分析。各方案樣本信息如表1所示。

表1 客流預(yù)測樣本準(zhǔn)備

2.3 模型檢驗(yàn)

依據(jù)上述訓(xùn)練步驟，對樣本數(shù)據(jù)進(jìn)行歸一化處理，建立一個(gè)串聯(lián)前向BP網(wǎng)絡(luò)，選取帶有附加動(dòng)量法和自適應(yīng)的梯度下降法traingdx為網(wǎng)絡(luò)訓(xùn)練函數(shù)，設(shè)定權(quán)值激活函數(shù)及相應(yīng)的訓(xùn)練參數(shù)，輸入樣本進(jìn)行訓(xùn)練。各方案的訓(xùn)練誤差性能曲線如圖3所示。

圖3 訓(xùn)練誤差性能曲線

建立自適應(yīng)網(wǎng)絡(luò)函數(shù)adapt，利用樣本數(shù)據(jù)自適應(yīng)前面構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)，并對誤差進(jìn)行修正。最后利用已構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)仿真，并對網(wǎng)絡(luò)仿真的輸出預(yù)測值進(jìn)行反歸一化處理，得到實(shí)際的換乘客流預(yù)測值。

將預(yù)測的輸出數(shù)據(jù)與真實(shí)的數(shù)據(jù)進(jìn)行對比，樣本的預(yù)測值與真實(shí)值對比如圖4所示。

各方案的樣本預(yù)測值及真實(shí)值詳見表2。

圖4 樣本預(yù)測對比

表2 樣本訓(xùn)練結(jié)果對比 人次

由圖3可知，上述3種方案訓(xùn)練曲線的均方誤差都達(dá)到了目標(biāo)值。3種方案的換乘客流預(yù)測值與實(shí)際值的誤差也在誤差允許范圍內(nèi)，且各方案的換乘客流預(yù)測值之間相差不大。當(dāng)網(wǎng)絡(luò)學(xué)習(xí)樣本量較大時(shí)，預(yù)測精度相對有所提高，但樣本學(xué)習(xí)中是否區(qū)分工作日與非工作日的數(shù)據(jù)，對預(yù)測結(jié)果影響不大。

3 結(jié)語

通過模型求解和算例分析，說明了基于時(shí)序倒推的地鐵換乘客流實(shí)時(shí)監(jiān)測模型，在隨機(jī)性較強(qiáng)的系統(tǒng)中，抗干擾性較強(qiáng)，具有一定的可行性。隨著閘機(jī)技術(shù)的升級、數(shù)據(jù)采集速度的提高及各系統(tǒng)的升級，可進(jìn)一步考慮換乘客流預(yù)警系統(tǒng)的應(yīng)用。

［1］王進(jìn)，史其信.短時(shí)交通流預(yù)測模型綜述［J］.中國公共安全: 學(xué)術(shù)卷，2005，6(1):92-98.

［2］童飛.基于 BP神經(jīng)網(wǎng)絡(luò)的水上交通事故預(yù)測及MATLAB實(shí)現(xiàn)［D］.武漢:武漢理工大學(xué)，2005.

［3］飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)原理與MATLAB7實(shí)現(xiàn)［M］.北京:電子工業(yè)出版社，2005:99-104.

［4］毛保華.城市軌道交通系統(tǒng)運(yùn)營管理［M］.北京:人民交通出版社，2006.

［5］王袆南.突發(fā)特大客流城市軌道交通運(yùn)營組織研究［D］.北京:北京交通大學(xué)，2008.

［6］楊永凱，宋瑞，李海榮.地鐵客流預(yù)測模型的分析與研究［C］//第四屆中國青年運(yùn)籌與管理者大會論文集.北京:清華大學(xué)，2001:276-281.

［7］康海燕，鄭世枚，吳倩.地鐵換乘站客流組織研究［J］.鐵道運(yùn)輸與經(jīng)濟(jì)，2009，31(8):89-90.

［8］王波，李曉霞，安栓莊.軌道交通換乘站客流特性分析及車站設(shè)計(jì)［J］.都市快軌交通，2010，23(2):55-58.