基于神經網絡的軌道交通日客流量預測

張清泉 萬江云

摘要：軌道交通客流量是城市軌道運營組織的依據，由于客流的隨機性、不確定性，客流預測難度較大。為了更加準確的預測城市軌道交通的客流量，便于制定軌道交通運營計劃，本文采用基于神經網絡的軌道交通客流預測方法。該方法通過對以往日客流數據的分析，針對客流的非線性特征，構建神經網絡時間序列模型對軌道客流量進行預測。

關鍵詞：

引言

短時客流預測研究受到了眾多學者的關注。迄今為止，已有許多理論和方法應用于短時客流預測，主要有基于線性系統的預測方法、基于知識發現的智能模型的預測方法、基于非線性系統理論的預測方法、基于組合模型的預測方法[1]。

1.神經網絡簡介：

神經網絡（NN）又稱為人工神經網絡（ANN）神經網絡是一種運算模型，由若干個神經元（節點、單元）和相互之間連接的加權連接構成，具有非線性、非局限性、非常定型和非凸性的特點。神經網絡分為靜態神經網絡和動態神經網絡，而動態神經網絡又可分為有記憶功能和無記憶功能[2]。

2.客流特征分析

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

3.基于神經網絡的軌道交通日客運量預測

以鄭州市2014年3月1日—5月31日的地鐵日客運量（見表1），運用matlab神經網絡時間序列工具箱對客流進行預測。設置訓練數據64個，測試數據14個，驗證數據14個，經多次模擬試驗，選取延遲步數為4、隱層神經元為12的神經網絡結構（如圖2所示），進行預測。

4.預測結果及分析

預測結果分析：客流預測結果顯示，最大預測誤差27.12%，最小預測誤差0，大于10%以上的誤差共9天，占9.78個百分點，占比較低。平均相對誤差5.25%。結果表明，該方法具有較好的預測效果。

參考文獻

[1] 邵春福，熊志華等. 道路網短時交通需求預測理論、方法及應用[M]. 北京：清華大學出版社，2011.

[2] 朱凱，王正林. 精通MATLAB神經網絡[M]. 北京：電子工業出版社，2010.

作者簡介：張清泉，1989，04，20 男，漢族，河南省開封市，重慶交通大學，碩士，交通規劃