自適應神經網絡在生態交通系統評價中的應用

蘇　南，黃　霞

(1.重慶交通大學 交通運輸學院，重慶 400074；2.廣東財經大學 信息學院，廣州 510320)

?

自適應神經網絡在生態交通系統評價中的應用

蘇南1，黃霞2

(1.重慶交通大學 交通運輸學院，重慶 400074；2.廣東財經大學 信息學院，廣州 510320)

從以人為本的交通文化、健康協調的交通環境、高效安全的交通網絡、暢達完善的綜合交通4個方面出發，結合協同理論構建“四位一體”城市生態交通模型和評價指標體系，以神經網絡結構為核心，提出一種智能生態交通評價模型，挖掘生態交通系統的客觀規律信息，在評價生態交通水平等方面進行探索。

生態交通系統；評價指標體系；自適應神經網絡

面對土地資源緊缺、交通擁堵、噪音危害、大氣污染等交通問題，尋求一種可持續發展的城市建設之路成為人們聚焦的中心[1]。李智等[2]從環境管理的發展趨勢與可持續發展的要求出發，基于 DPS-IR 框架的指標分類選取了交通規劃環評指標集。姜玉梅等[3]采用DPSIR模型確定綜合評價初始指標，基于城市復合生態系統理論，利用PCA和MDM 解決不同階段問題的優勢，構建城市生態交通系統綜合評價模型算法，對系統進行綜合量化評價。王釗[4]結合生態綜合指數法和層次分析法，基于城市交通環境承載力理論構建生態交通綜合評價方法。余躍武[5]從生態城市可持續發展觀出發，建立生態交通評價指標體系，運用BP(Back Propagation)神經網絡進行預測研究。

現有的生態交通研究側重于城市交通系統和環境系統的相互影響、相互制約分析，較少從交通活動的安全、健康、和諧等方面進行綜合分析，且生態交通評價多采用線性關系處理方法。傳統統計方法是建立在多種前提假設和堅實數學理論的基礎上，需要充分認識現實生態交通系統和良好的建模能力，否則難以對較復雜的生態交通系統進行深層次的分析以及對評價指標間的非線性關系進行準確刻畫。人工神經網絡以其強大的非線性逼近能力、泛化能力以及自學習能力在多個科學領域有廣泛應用。人工神經網絡擅長刻畫具有非線性特征的時間序列，挖掘內在隱藏規律。本文針對以上不足，基于協同理論，以神經網絡結構為核心，試圖從自然資源、外界環境、社會價值、交通網絡4個方面挖掘生態交通系統的客觀規律信息，在評價生態交通水平等方面進行探索。

1　生態交通評價系統

1.1生態交通的內涵

注重協調交通系統與自然系統、環境資源系統以及社會經濟系統的相互作用。構建面向未來城市的結構優化、生態文明、持續發展和系統性的綜合交通運輸系統。生態交通的內涵具體可劃分為以下4個方面：交通文化以人為本，平等公正；交通網絡高效安全；交通環境健康、持續協調以及綜合交通設施完善。作為復雜的生態城市系統的一個子系統，生態交通是規律協調作用下的綜合體。生態交通的發展取決于不同時期，不同條件下相互聯系、相互制約的自然資源、文化價值、環境和交通網絡等4個方面因素的協調作用。這種長期動態協調關系如圖1所示。基于協同理論，提出“四位一體”城市生態交通系統。在“四位一體”的相互作用、相互協調的協同作用下，生態交通才能達到高效、安全、和諧、可持續發展的生態文明協同目標。

圖1　城市生態交通動態協調框架

1.2城市生態交通評價

城市生態交通評價是對與交通緊密聯系的自然環境、社會經濟文化以及交通網絡符合系統的生態水平進行定量分析。在一個或多個因素的協同作用下，對人類生存必備的交通條件和交通狀態的穩定性及其可能性的嚴重后果進行評估。生態交通評價是一種相對的、具有一定空間地域性質的系統性評價。通過定性定量預測評價生態方面的交通系統，建立完整、穩定、可持續發展的最優系統狀態方案。

為了分析和評價城市生態交通，需要設計評價指標體系。評價指標體系中有3種結構類型分別為：以單個指標進行評價的一元結構、以一組平行或者順序關系的指標進行評價的線性結構和多影響因素綜合評價的塔式結構[6]。城市交通系統的目標區別于單項的局部的指標，指標內容多、涉及面廣、呈現相關性、整體性以及抽象性的特征。因此，采用層次性的塔式結構建立生態交通評價指標體系結構。

1.3構建評價指標體系

研究指標體系的方法有基于調查研究、比較歸納以及問卷調查形式收集有關指標的調查研究法；通過具體分析目標和任務逐次分解獲得指標的目標分解法；采用聚類分析和主成份分析，簡化要素，找出關鍵性指標的多元統計法[7]。本研究以生態交通的“四位一體”協調機理為主線，以目標分解法為主，其他方法為輔，基于已有的可持續發展的交通系統評價指標[8]，參考國內外生態城市評價指標和園林城市創建指標，結合生態交通現有的部分評價指標體系[4]，構建一套系統的“四位一體”生態交通評價指標體系。具體的生態交通評價指標如表1 所示。

表1　城市生態交通評價指標體系N1

2　自適應神經網絡學習算法

計算機模擬人類的神經網絡訓練主要分3個階段。第1階段：學習期，一定的網絡初始化的參數條件下網絡進行學習訓練;第2階段：調整期，系統根據所處的環境進行自組織，調整神經元中參數進行循環多次學習訓練，適應外界變化保持良好性能；第3階段：工作期，比較分析網絡在不同參數條件下的性能，確定合適的參數權值，對測試數據進行評價，具體過程如下[9-13]:

第1步，網絡初始化-學習訓練。

(1)

第2步，網絡自適應學習，隨機選擇?k，wkl(k≤N1,l≤N0)，其中一個參數進行梯度調整，會出現下面3種情況：

每次參數調整隨機賦值ε，ε相當于學習的步長，是一個小數字。

第3步，神經元的輸出反向傳播，重新學習訓練調整神經元的激活電位。調整βk時激活電位不發生改變：

(2)

經過上述調整，對神經網絡的輸出值進行調整

(3)

局部變化對人工神經網絡輸出層神經元的輸出影響為：

(4)

統計參數調整后網絡訓練誤差的變化為：

(5)

第4步，循環進行上述2、3兩步，直到網絡的訓練誤差E0滿足目標要求，小于特定的值或由于迭代次數達到一定限值網絡停止訓練，存儲神經網絡輸出yu以及預測值和實際值的誤差E0，至此人工神經網絡完成一次完整的訓練。

3　基于自適應神經網絡的城市生態交通評價模型

在“四位一體”生態交通評價指標體系的基礎上，試圖建立神經網絡的科學、合理且完善的城市生態交通評價智能模型，獲得待評價城市交通系統生態文明水平，從而客觀評價城市生態交通。BP神經網絡生態交通評價的步驟為：原始數據采集和歸一化處理，建立神經網絡、學習訓練過程和生態交通評價模型，并將模型應用到實例分析評價來檢驗模型的有效性。

3.1原始數據的采集和歸一化處理

隨著城市交通的快速發展，可持續發展的生態交通建設得到人們的普遍重視。在生態城市的背景下，以2015年《GN中國低碳生態城市指標體系》中生態宜居前十的城市交通各項指標數據作為網絡學習樣本。物理意義不同的生態交通評價指標在數值區間有較大的差別，為避免神經網絡在訓練過程調整權值時進入誤差曲面平坦區，采用mapmin max函數實現訓練樣本的歸一化。調用matlab的函數格式為：

[inputn,inputps]=mapmin max(input_train)

其中，input_train為神經網絡輸入層的原始向量，inputn是經過歸一化處理的輸入向量，inputps為存儲數據歸一化過程的函數結構。

神經網絡評價結果的精確度依賴于原始樣本的有效性。鑒于此，對行車舒適度、交通科技進步率、交通法規保障能力、事故應對能力、群眾對交警工作的滿意度、交通管理信息化水平等定性指標，通過征求交通專家或業內人士的意見以及公眾意向調查進行量化，定性指標量化如表2所示。

表2　定性指標量化

3.2神經網絡的建立

人工神經網絡是一種運算模型，試圖模仿生物神經元，由多個互連的處理單元(神經元)一起致力于解決具體問題。網絡的輸出依賴于網絡選擇，參數設置，隨著連接方式、學習函數、權值和激勵函數的不同而變化。神經網絡按照一定的學習規則調整2個節點間的連接權重，使權值收斂到一定值，然后用生成的神經網絡對真實數據挖掘變量間的關系，進而評價分析。

將歸一化處理后的評價指標分解為3組數據，訓練、驗證和測試數據。原始數據集input是 24×10維矩陣，output是1×10維矩陣，從中選擇24×8矩陣作為訓練樣本，24是神經網絡中輸入層的神經元數，8是神經網絡的訓練驗證樣本數。驗證數據用于神經網絡早期停止，從而防止神經網絡過度擬合以及保證它的精度。輸入測試矩陣為n×u，n=24(和訓練、驗證數據一樣)，u=2，目標測試矩陣是1×u。設置最大的訓練次數為1 000，網絡最大的允許誤差值設置為10-5。神經網絡訓練之后用于分析預測城市的生態交通水平，為制定城市生態交通發展戰略措施提供依據。

3.3實驗仿真

%下載原始輸入輸出數據：

loaddatainputoutput

%神經網絡訓練、測試樣本數據：

input_train=input[：，1：8]

output_train=output[1：8]

output_test=output[9：10]

input_test=input[：，9：10]

%訓練樣本輸入輸出數據歸一化：

[inputn,inputps]=mapminmax(input_train)

[outputn,outputps]=mapminmax(output_train)

%BP神經網絡仿真：

net=newff(minmax(inputn),[12 1],{‘logsig’,‘purelin’},‘traingda’)

net.trainParam.epochs=1000

net.trainParam.goal=0.00001

net=train(net,inputn,outputn)

y=sim(net,inputn)

Y=mapminmax(‘reverse’,y,outputps)

%待評價城市:

inputn_test=mapminmax(‘apply’,input_test,inputps)

an=sim(net,inputn_test)

Youtput=mapminmax(‘reverse’,an,outputps)

figure(1)

plot(Youtput,‘:og’)

hold on

plot(output_test,‘-*’)

title(‘生態交通評價模型預測輸出’,‘fontsize’,12)

ylabel(‘評分’,‘fontsize’,12)

xlabel(‘城市’,‘fontsize’,12)

%預測誤差:

error=(BPoutput-output_test)./output_test

figure(2)

plot(error,‘-*’)

title(‘神經網絡預測誤差’,‘fontsize’,12)

ylabel(‘誤差’,‘fontsize’,12)

xlabel(‘城市’,‘fontsize’,12)

運行以上程序，得到神經網絡的生態交通評價水平的輸出值。表4顯示的是網絡輸出值與2015《GN中國低碳生態城市指標體系》前十宜居城市的評分對比情況表。

通過仿真測試，對信陽、柳州2個城市生態交通水平進行預測評價。得出的城市生態交通水平與GN 生態宜居城市實際評分基本相符，為制定城市生態交通發展戰略措施提供依據。信陽市城市交通生態化水平高于柳州市，兩者總體水平都處于生態化建設時期，道路通達性及城市綠化建設方面生態化水平較高，而交通網絡在高效、安全、舒適等方面生態化水平有待進一步完善。實驗結果顯示：自適應神經網絡通過學習訓練，可挖掘城市生態交通評價指標的內在聯系，具有良好的預測精度，驗證人工神經網絡用于城市生態交通評價是可行且有效的。

表3　各城市生態交通評價指標數據

注：以上數據為實驗數據，部分數據為估測，僅作為參考。

表4　生態宜居城市評分網絡輸出值與實際值對比

4　結束語

從城市交通的顯性問題出發，根據生態城市發展對城市交通系統的內涵與規律的變革要求，構建基于協同理論的“四位一體”城市生態交通模型及評價指標體系。把自學習人工神經網絡評估技術應用于城市生態交通領域有其現實的價值，補充和完善城市生態交通的定量評價思路和方法。驗證了該方法能反映城市交通系統生態化建設的基本水平， 全面綜合地把握系統，為城市生態交通系統的規劃建設提供必要的參考。

[1]胡小軍，張希良.走可持續城市交通之路[J].環境保護，2003，12(1):49-50.

[2]李智，鞠美庭.交通規劃環境影響評價的指標體系探討[J].交通環保，2004，25(6):16-19.

[3]姜玉梅，郭懷成.城市生態交通系統綜合評價方法及應用[J].環境科學研究，2007，20(6):158-163.

[4]王釗.城市生態交通系統綜合評價方法研究[D].合肥:合肥工業大學，2009:.

[5]余躍武.基于BP神經網絡的城市生態交通系統評價研究[D].南京:南京林業大學，2013.

[6]王煒，徐吉謙，楊濤，等.城市交通規劃理論及其應用[M].南京:東南大學出版社，1998.

[7]王煒，項喬君，常玉林，等.城市交通系統能源消耗與環境影響分析方法[M].北京:科學出版社，2002.

[8]張軍.城市交通系統可持續發展綜合評價研究[D].成都:西南交通大學，2007.

[9]鄭永，陳艷.基于BP 神經網絡的高校教師教學質量評價模型[J].重慶理工大學學報(自然科學)，2015，29(1):85-90.

[10]曹紅錦，常思江.基于神經網絡的彈道修正彈落點預測方法[J].四川兵工學報，2015(1):17-20.

[11]江務學.基于結構優化遞歸神經網絡的網絡流量預測[J].西南大學學報(自然科學版)，2016(2):149-154.

[12]李文琴，曾廣樸，文俊浩.基于神經網絡的人臉識別系統[J].激光雜志，2015，36(3):54-57.

[13]吳閩帆.基于隨機變異優化選擇規則的神經網絡在股指期貨價格預測中的應用[D].廈門:廈門大學，2014.

(責任編輯劉舸)

Application of Adaptive Neural Network in Evaluation of Ecological Transport System

SU Nan1， HUANG Xia2

(1.College of Traffic & Transportation, Chongqing Jiaotong University,Chongqing 400074, China; 2.Information Science School，Guangdong University of Finance & Economics, Guangzhou 510320, China)

An intelligent traffic ecological evaluation model, taking neural network structure as the core and being combined with the synergistic the synergistic theory to establish “four in one” eco-city traffic model and evaluation system, from four aspects of the people-oriented traffic culture, healthy and harmonious traffic environment, safety and efficient transportation network and accessible improved integrated transport, to discover the objective laws of ecological information transport systems and to explore ecological evaluation level of traffic.

ecological transport system; evaluation system; adaptive neural network

2016-04-04

蘇南(1993—)，男，湖南衡陽人，碩士研究生，主要從事生態交通影響評價，生態交通規劃研究,E-mail：sunan5920@126.com。

format：SU Nan，HUANG Xia.Application of Adaptive Neural Network in Evaluation of Ecological Transport System[J].Journal of Chongqing University of Technology(Natural Science)，2016(10):101-107.

10.3969/j.issn.1674-8425(z).2016.10.016

X826

A

1674-8425(2016)10-0101-07

引用格式：蘇南，黃霞.自適應神經網絡在生態交通系統評價中的應用[J].重慶理工大學學報(自然科學)，2016(10):101-107.