基于Matlab的BP神經(jīng)網(wǎng)絡(luò)在公交車(chē)輛調(diào)度中的應(yīng)用

孫靜怡 蘇友富

（昆明理工大學(xué)交通工程學(xué)院 昆明 650224）

公交線路是由一系列公交站點(diǎn)組成的，公交車(chē)輛的調(diào)度形式取決于公交線路的客流情況.劉翠、張燕青等［1］提出的基于BP神經(jīng)網(wǎng)絡(luò)的公交線路站點(diǎn)時(shí)段上下客預(yù)測(cè)模型適合公交車(chē)輛實(shí)時(shí)調(diào)度模型的數(shù)據(jù)準(zhǔn)備工作，并且以哈爾濱市八路公交線路為例證明了3層BP神經(jīng)網(wǎng)絡(luò)模型在公交站點(diǎn)的上下車(chē)人數(shù)預(yù)測(cè)上具有極高的精度.借鑒神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)未來(lái)某一時(shí)刻的公交線路客流集散量，在此基礎(chǔ)上開(kāi)展公交車(chē)輛實(shí)時(shí)調(diào)度模型的研究，利用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱，構(gòu)建公交車(chē)輛的實(shí)時(shí)調(diào)度模型，在一定程度上解決了智能公交調(diào)度的算法問(wèn)題，為智能公共交通系統(tǒng)（APTS）的進(jìn)一步發(fā)展奠定基礎(chǔ).

1 Matlab的神經(jīng)網(wǎng)絡(luò)工具箱

1.1 BP神經(jīng)網(wǎng)絡(luò)算法原理

BP（back－propagation，誤差反傳）神經(jīng)網(wǎng)絡(luò)算法的主要思想是從后向前（反向）逐層傳輸輸出層誤差，以簡(jiǎn)潔計(jì)算出隱層誤差.算法分為兩個(gè)階段（見(jiàn)圖1）：第一階段（為正向過(guò)程），輸入信息從輸入層經(jīng)隱層逐層計(jì)算各神經(jīng)元的輸出值；第二階段（為反向傳播階段）從輸出誤差逐層向前計(jì)算出隱層各神經(jīng)元的誤差，并用此誤差修正前層權(quán)值，使誤差函數(shù)（E）沿負(fù)梯度方向下降，達(dá)到最小.

圖1 神經(jīng)網(wǎng)絡(luò)示意圖

輸入節(jié)點(diǎn)xj和隱節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值為ωij，隱節(jié)點(diǎn)yi與輸出節(jié)點(diǎn)Ol間的連接權(quán)值為T(mén)li，當(dāng)期望輸出為tl時(shí)，BP模型的計(jì)算公式如下.

1.1.1 輸出節(jié)點(diǎn)的輸出Ol計(jì)算公式

1）輸出節(jié)點(diǎn)的輸入，xj.

2）隱節(jié)點(diǎn)的輸出

3）輸出節(jié)點(diǎn)的計(jì)算輸出

1.1.2 輸出層（隱節(jié)點(diǎn)到輸出節(jié)點(diǎn)間）的修正公式

1）輸出節(jié)點(diǎn)的期望輸出為tl.

2）誤差控制 單元k的誤差為

則輸出端的總的平方誤差函數(shù)為

3）誤差公式

4）權(quán)值修正

式中：k為迭代次數(shù).

5）閥值修正

1.1.3 隱節(jié)點(diǎn)（輸入節(jié)點(diǎn)到隱節(jié)點(diǎn)）的修正

1）誤差公式

2）權(quán)值修正

3）閥值修正

2 確定車(chē)輛調(diào)度形式

在公交車(chē)輛調(diào)度中，一組信息輸入對(duì)應(yīng)一種發(fā)車(chē)形式，需要解決模式識(shí)別的問(wèn)題.神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問(wèn)題中的應(yīng)用，可以有效解決該問(wèn)題.

2.1 常用車(chē)輛調(diào)度形式

在公交車(chē)輛調(diào)度中，常用車(chē)輛調(diào)度形式見(jiàn)表1.

表1 常用車(chē)輛調(diào)度形式

2.2 車(chē)輛調(diào)度形式的計(jì)算方法

2.2.1 區(qū)間車(chē)調(diào)度形式的確定［2－3］區(qū)間車(chē)的調(diào)度形式可通過(guò)計(jì)算路段（斷面）客流量差或路段不均系數(shù)的方法確定區(qū)間車(chē)調(diào)度形式.

路段不均勻系數(shù)Ks，指統(tǒng)計(jì)時(shí)間內(nèi)營(yíng)運(yùn)線路某路段客流量與平均路段客流量之比，即

當(dāng)Ksi＞Ks0（一般取值為1.2～1.5），或≥（2～4）q0時(shí)應(yīng)采取開(kāi)辟區(qū)間車(chē)的調(diào)度措施改善運(yùn)輸服務(wù)工作.這里：q0為計(jì)劃車(chē)容量，可按下式確定

式中：q0為車(chē)輛額定載客量；r0為車(chē)輛滿載率定額.

2.2.2 大站快車(chē)調(diào)度形式的確定 大站快車(chē)的調(diào)度形式開(kāi)設(shè)可通過(guò)計(jì)算站點(diǎn)客流集散量不均勻系數(shù)或方向不均勻系數(shù)確定快車(chē)調(diào)度形式.

站點(diǎn)集散量不均勻系數(shù)Kcj，指統(tǒng)計(jì)時(shí)間內(nèi)公交營(yíng)運(yùn)線路第j停車(chē)站乘客集散量與沿線各停車(chē)站平均乘客集散量之比，即

式中：Qcj為統(tǒng)計(jì)時(shí)間內(nèi)第j停車(chē)站乘客集散量；為統(tǒng)計(jì)時(shí)間內(nèi)沿線各停車(chē)站平均乘客集散量.

對(duì)于Kcj≥（一般取1.4～2.0）的停車(chē)站，可考慮開(kāi)車(chē)大站快車(chē)，以緩和乘車(chē)擁擠，提高運(yùn)輸效率.

方向不均勻系數(shù)，指統(tǒng)計(jì)時(shí)間內(nèi)某線路高單向客流量與平均單向客流量之比.即

式中：Qa為高單向客運(yùn)量，即統(tǒng)計(jì)時(shí)間線路最大單向客流量；為統(tǒng)計(jì)時(shí)間內(nèi)線路平均單向客流量.

當(dāng)Ka≥（一般取1.2～1.4），可以開(kāi)設(shè)大站快車(chē)等.

當(dāng)Kti＜（一般取1.8～2.2）為客流平峰小時(shí)，當(dāng)Kti＜1.0時(shí)也稱客流低峰小時(shí).當(dāng)Kti≥，稱為客流高峰小時(shí)，可以根據(jù)要求增加公交車(chē)輛投入運(yùn)營(yíng).

2.3 計(jì)算結(jié)果

計(jì)算選取了實(shí)測(cè)數(shù)據(jù).在2008年10月30日對(duì)昆明市北京路公交專(zhuān)用道系統(tǒng)運(yùn)營(yíng)的K1和23 2條線路在早高峰時(shí)段（07：00～10：00）和晚高峰時(shí)段（17：00～20：00）進(jìn)行了跟車(chē)調(diào)查，其中早高峰調(diào)查58車(chē)次，晚高峰調(diào)查60車(chē)次，選取此次調(diào)查早高峰期間各站點(diǎn)上下客量的作為原始數(shù)據(jù)，進(jìn)行了路段不均勻系數(shù)和站點(diǎn)集散量不均勻系數(shù)的計(jì)算，數(shù)據(jù)表略.

由北京路路段不均勻系數(shù)表可知，在由北向南方向路段i為7，8，9，10，11，12六個(gè)路段上，路段不均勻系數(shù)Ksi＞Ks0，結(jié)合車(chē)隊(duì)現(xiàn)狀、路段長(zhǎng)度和路段環(huán)境分析，為改善高峰時(shí)期的公交運(yùn)輸服務(wù)質(zhì)量，需要開(kāi)設(shè)區(qū)間車(chē).區(qū)間車(chē)起止點(diǎn)考慮選擇在金星汽車(chē)廣場(chǎng)和交三橋，但考慮到交三橋附近處于城市中心，用地開(kāi)發(fā)較為密集，不宜設(shè)置區(qū)間車(chē)終點(diǎn)站，而昆明站的客流也比較大，可將區(qū)間車(chē)終點(diǎn)站順延至北京路，即起止點(diǎn)分別設(shè)在金星汽車(chē)廣場(chǎng)和昆明站.

采用前文提及的公交線路站點(diǎn)乘客集散量不均勻系數(shù)Kcj確定方法，取＝1.4，由表4可知，在站點(diǎn)i＝6，14，15，18四個(gè)站點(diǎn)，站點(diǎn)不均勻系數(shù)Kcj＞，結(jié)合車(chē)隊(duì)情況，考慮開(kāi)設(shè)快車(chē)，且起點(diǎn)調(diào)整至i為1的公交北市區(qū)車(chē)場(chǎng)統(tǒng)一調(diào)配，即大站快車(chē)途徑站點(diǎn)為i為1，6，14，15，18.

3 BP神經(jīng)網(wǎng)絡(luò)在車(chē)輛調(diào)度中應(yīng)用

3.1 系統(tǒng)輸入變量

公交車(chē)輛實(shí)時(shí)調(diào)度BP神經(jīng)網(wǎng)絡(luò)模型中輸入量重要的是各站點(diǎn)客流集散量信息.實(shí)際應(yīng)用過(guò)程中，客流信息可以來(lái)源于基于歷史數(shù)據(jù)的預(yù)測(cè)，比較常用的客流預(yù)測(cè)方法主要有回歸分析方法、時(shí)間序列預(yù)測(cè)方法、神經(jīng)網(wǎng)絡(luò)分析法［4－5］等，前兩種不太適用于公交車(chē)輛的實(shí)時(shí)過(guò)程分析，神經(jīng)網(wǎng)絡(luò)分析法則可較好的應(yīng)用于各站點(diǎn)檢測(cè)裝置或?qū)崟r(shí)統(tǒng)計(jì)獲得的客流信息分析.將一天內(nèi)不同時(shí)段客流情況大致分為平峰和早晚高峰幾個(gè)時(shí)段來(lái)考慮交叉口延誤和車(chē)輛滿載率情況，結(jié)合前文提出的公交線路調(diào)度形式的計(jì)算方法確定線路相應(yīng)待選的調(diào)度形式.

3.2 系統(tǒng)輸入和輸出的對(duì)應(yīng)關(guān)系

要確定某時(shí)刻公交線路客流集散量（即一種輸入模式下）對(duì)應(yīng)的發(fā)車(chē)形式（即輸出模式），根據(jù)前述全程車(chē)、區(qū)間車(chē)和大站快車(chē)等調(diào)度形式的計(jì)算方法，由一種輸入客流數(shù)據(jù)就可以計(jì)算出一種相應(yīng)的調(diào)度形式［6］.應(yīng)用訓(xùn)練好的BP神經(jīng)網(wǎng)路在輸入客流數(shù)據(jù)狀態(tài)下輸出的是不同調(diào)度形式的相應(yīng)權(quán)重.

3.3 基本步驟

1）通過(guò)跟車(chē)調(diào)查采集原始站點(diǎn)上車(chē)人數(shù)和下車(chē)人數(shù)，計(jì)算客流集散量和各種站點(diǎn)不均勻系數(shù)，確定相應(yīng)的調(diào)度形式，構(gòu)成BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集.

2）利用良好的Matlab神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)GUI界面，設(shè)置BP神經(jīng)網(wǎng)絡(luò)參數(shù)，并對(duì)其進(jìn)行訓(xùn)練.

3）依據(jù)已有的客流預(yù)測(cè)理論，實(shí)時(shí)更新公交線路客流集散，并對(duì)下一時(shí)刻的不同站點(diǎn)客流集散量做出預(yù)測(cè).

4）將3）中的到得客流集散量作為輸入量代入2）中已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中去，BP神經(jīng)網(wǎng)絡(luò)技能在短時(shí)間內(nèi)自動(dòng)給出一種最合適的調(diào)度形式，從而實(shí)現(xiàn)對(duì)公交車(chē)輛的實(shí)時(shí)調(diào)度.

3.4 實(shí)例研究

根據(jù)前述調(diào)查早高峰期間各站點(diǎn)上下客量作為原始數(shù)據(jù)，建立了昆明市K1，23路的車(chē)輛調(diào)度神經(jīng)網(wǎng)絡(luò)模型，如圖2所示.建立好的網(wǎng)絡(luò)代入訓(xùn)練集后訓(xùn)練誤差收斂曲線（見(jiàn)圖3）光滑，收斂良好，在此訓(xùn)練好的網(wǎng)絡(luò)下進(jìn)一步帶入實(shí)測(cè)數(shù)據(jù)的到的3種調(diào)度方式的權(quán)重分別如表2所列.

圖2 K1，23路公交車(chē)輛調(diào)度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

根據(jù)以上權(quán)重值可以很快確定下一趟公交車(chē)輛的調(diào)度形式，驗(yàn)證了神經(jīng)網(wǎng)絡(luò)方式在公交車(chē)輛實(shí)時(shí)調(diào)度過(guò)程中的良好應(yīng)用.實(shí)際應(yīng)用的過(guò)程中可以結(jié)合現(xiàn)有的公交電子站牌，提前將發(fā)車(chē)的時(shí)間、發(fā)車(chē)的形式、途徑站點(diǎn)等信息告知線路上各站點(diǎn)乘客，方便居民出行.

表2 BP神經(jīng)網(wǎng)絡(luò)實(shí)測(cè)結(jié)果

圖3 訓(xùn)練誤差收斂曲線

4 結(jié)束語(yǔ)

本文提出的公交車(chē)輛調(diào)度的神經(jīng)網(wǎng)絡(luò)模型，主要考慮公交線路客流集散量為輸入變量，而實(shí)際影響公交調(diào)度形式的因素還有很多，如公交車(chē)輛的型號(hào)、天氣情況、公交線路運(yùn)營(yíng)時(shí)間等，因此有必要在今后的研究中進(jìn)一步增加輸入層的節(jié)點(diǎn)數(shù).

公交車(chē)輛的調(diào)度形式的確定是在已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)剛開(kāi)始建立需要人工干預(yù)設(shè)置參數(shù)，調(diào)整輸入和輸出，給實(shí)際應(yīng)用帶來(lái)一些不便.同時(shí)訓(xùn)練樣本的輸入和輸出的準(zhǔn)確性也很關(guān)鍵，文中調(diào)度計(jì)算方法只確定了幾中常見(jiàn)的調(diào)度形式，包括全程車(chē)、區(qū)間車(chē)、大站快車(chē)等，形式還不夠全面，需要進(jìn)一步的細(xì)化.

［1］劉 翠，張艷青，陳洪仁.基于BP神經(jīng)網(wǎng)絡(luò)的公交線路站點(diǎn)時(shí)段上下車(chē)人數(shù)預(yù)測(cè)模型［J］.交通標(biāo)準(zhǔn)化，2008（5）：186－189.

［2］徐遠(yuǎn)芳，周 旸，鄭 華.基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)研究［J］.微型電腦應(yīng)用，2006（22）：41－44.

［3］楊兆升.城市職能公共交通系統(tǒng)理論與方法［M］.北京：中國(guó)鐵道出版社，2004.

［4］白厚義.回歸設(shè)計(jì)及多元統(tǒng)計(jì)分析［M］.南寧：廣西科學(xué)技術(shù)出版社，2003.

［5］何書(shū)元，應(yīng)用時(shí)間序列分析［M］.北京：北京大學(xué)出版社，2007.

［6］陳 鵬.基于BP神經(jīng)網(wǎng)絡(luò)的公交智能實(shí)時(shí)調(diào)度模型研究及系統(tǒng)實(shí)現(xiàn)［D］.北京：北京交通大學(xué)交通運(yùn)輸學(xué)院，2008.