張清泉 萬(wàn)江云

(重慶交通大學(xué)，重慶 400000)

表1 鄭州市3月5日—5月31日地鐵客流量預(yù)測(cè)及誤差統(tǒng)計(jì)表

引言

短時(shí)客流預(yù)測(cè)研究受到了眾多學(xué)者的關(guān)注。迄今為止，已有許多理論和方法應(yīng)用于短時(shí)客流預(yù)測(cè)，主要有基于線性系統(tǒng)的預(yù)測(cè)方法、基于知識(shí)發(fā)現(xiàn)的智能模型的預(yù)測(cè)方法、基于非線性系統(tǒng)理論的預(yù)測(cè)方法、基于組合模型的預(yù)測(cè)方法［1］。

1．神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介:

神經(jīng)網(wǎng)絡(luò) (NN)又稱為人工神經(jīng)網(wǎng)絡(luò) (ANN)神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由若干個(gè)神經(jīng)元 (節(jié)點(diǎn)、單元)和相互之間連接的加權(quán)連接構(gòu)成，具有非線性、非局限性、非常定型和非凸性的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)分為靜態(tài)神經(jīng)網(wǎng)絡(luò)和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，而動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)又可分為有記憶功能和無(wú)記憶功能［2］。

2．客流特征分析

除法定節(jié)假日外，客流呈7天周期性變化，周一至周日呈“V”字型變化規(guī)律，周一至周三客流呈下降趨勢(shì)，周三至周日客流呈上升趨勢(shì)，周三客流最少。法定節(jié)假日客流會(huì)較大幅度增長(zhǎng)。

3．基于神經(jīng)網(wǎng)絡(luò)的軌道交通日客運(yùn)量預(yù)測(cè)

以鄭州市2014年3月1日—5月31日的地鐵日客運(yùn)量(見(jiàn)表1)，運(yùn)用matlab神經(jīng)網(wǎng)絡(luò)時(shí)間序列工具箱對(duì)客流進(jìn)行預(yù)測(cè)。設(shè)置訓(xùn)練數(shù)據(jù)64個(gè)，測(cè)試數(shù)據(jù)14個(gè)，驗(yàn)證數(shù)據(jù)14個(gè)，經(jīng)多次模擬試驗(yàn)，選取延遲步數(shù)為4、隱層神經(jīng)元為12的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) (如圖2所示)，進(jìn)行預(yù)測(cè)。

4．預(yù)測(cè)結(jié)果及分析

預(yù)測(cè)結(jié)果分析:客流預(yù)測(cè)結(jié)果顯示，最大預(yù)測(cè)誤差27.12%，最小預(yù)測(cè)誤差0，大于10%以上的誤差共9天，占9.78個(gè)百分點(diǎn)，占比較低。平均相對(duì)誤差5.25%。結(jié)果表明，該方法具有較好的預(yù)測(cè)效果。

［1］邵春福，熊志華等．道路網(wǎng)短時(shí)交通需求預(yù)測(cè)理論、方法及應(yīng)用［M］．北京:清華大學(xué)出版社，2011．

［2］朱凱，王正林．精通MATLAB神經(jīng)網(wǎng)絡(luò) ［M］．北京:電子工業(yè)出版社，2010．