基于改进BP神经网络的轨道交通短时客流预测方法研究

摘要

城市轨道交通因其运量大、速度快、综合效益高等优点，现已成为城市交通建设管理、解决城市交通拥堵的重要组成部分。随着城市轨道交通网络的不断完善、网络规模的扩大，轨道客流的时空分布特征也发生了巨大的变化，其中最重要的特点就是时变性。因此，合理、精确地预测轨道交通线路中的短时客流量，对运营部门制定运营调度方案、优化车辆发车间隔、提高服务质量具有十分重要的意义。
　　本文以北京市轨道交通4号线的实际客流数据为基础，借鉴了道路短时交通流预测的相关理论与方法，结合轨道交通自身特点，进行了轨道交通短时客流预测的相关理论研究及实践。主要工作内容如下:
　　(1)从车站客流、断面客流、换乘客流三个层面对城市轨道交通客流分布特征及其影响因素进行系统的分析，阐述了城市轨道交通短时客流具有时变性、不均衡性、高度非线性的特征。
　　(2)对短时客流预测理论进行了研究，分析了几种不同短时客流预测方法的特点，指出BP神经网络处理时变性、不均衡性、高度非线性问题具有明显优势，确定使用BP神经网络对城市轨道短时客流预测问题进行研究。
　　(3)阐述了传统BP神经网络的基本原理、网络结构及算法基本步骤，在分析其性能的基础上，对神经网络的传递函数、训练算法进行改进，并利用具有快速搜索全局最优解的遗传算法优化神经网络的初始权值、阈值。
　　(4)以北京轨道交通4号线的5分钟短时客流数据为基础，通过聚类分析与相关分析，建立基于改进BP神经网络的轨道交通短时客流预测模型并给出了详细的网络设计，并分别以4号线的断面客流、车站客流、换乘客流数据对训练好的改进神经网络进行仿真预测。结果分析表明基于改进BP神经网络的轨道交通短时客流预测模型提高了网络的预测精度。

目录

声明

致谢

摘要

1 引言

1．1 研究背景及意义

1．2 相关理论研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究内容与技术路线

2 城市轨道交通客流分析

2．1 客流概述

2．2 车站客流分析

2．2．1 车站客流时间分布特征

2．2．2 车站高峰小时客流特征

2．3 断面客流分析

2．3．1 断面客流方向分布特征

2．3．2 断面客流空间分布特征

2．4 换乘车站换乘客流分析

2．5 客流长期趋势分析

2．6 小结

3 城市轨道交通短时客流预测方法研究

3．1 短时客流预测方法概述

3．1．1 基于统计学及非线性预测理论模型

3．1．2 基于人工神经网络的预测模型

3．2 BP神经网络预测模型原理

3．2．1 BP神经网络原理

3．2．2 BP神经网络结构与算法基本步骤

3．2．3 传统BP神经网络分析

3．3 BP神经网络预测模型改进

3．3．1 传递函数确定

3．3．2 训练算法确定

3．3．3 初始权值、阈值确定

3．4 小结

4 北京轨道交通4号线短时客流预测

4．1 改进BP神经网络设计

4．1．1 样本分析

4．1．2 参数设定

4．1．3 初始权值、阈值确定

4．2 地铁4号线断面短时客流预测

4．2．1 预测模型参数设置

4．2．2 预测结果分析

4．3 地铁4号线车站短时客流预测

4．3．1 预测模型参数设置

4．3．2 普通车站预测结果分析

4．3．3 换乘车站预测结果分析

4．4 小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

作者简历

学位论文数据集