基于Elman神經(jīng)網(wǎng)絡(luò)的客流量預(yù)測方法應(yīng)用

周青 張青松

1.昆明醫(yī)科大學(xué)海源學(xué)院；2.云南師范大學(xué)實(shí)驗(yàn)中學(xué)

本文明確了客流量預(yù)測在整個(gè)公交運(yùn)力配置流程中的關(guān)鍵作用。客流量的準(zhǔn)確預(yù)測是公交資源優(yōu)化配置的依據(jù)和前提。本文給出了基于Elman神經(jīng)網(wǎng)絡(luò)的公交客流量預(yù)測流程。最后，通過數(shù)據(jù)搜集，利用某城市近8年的客流量數(shù)據(jù)進(jìn)行了實(shí)例預(yù)測。最后通過與當(dāng)前較流行的BP靜態(tài)神經(jīng)網(wǎng)絡(luò)比較，發(fā)現(xiàn)Elman神經(jīng)網(wǎng)絡(luò)整體上比BP神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測精度。

客流量的預(yù)測是進(jìn)行公交運(yùn)力配置的基礎(chǔ)和依據(jù)。但是，由于客流量的時(shí)間和空間復(fù)雜性，數(shù)據(jù)量之大，準(zhǔn)確度量很難真正實(shí)現(xiàn)。客流量在不斷地發(fā)生變化，在不同的時(shí)間和不同的空間上均有變化，但是這種變化還是有一定的規(guī)律可循的。掌握了公交客流的變化規(guī)律，對于組織公交運(yùn)輸、優(yōu)化公交運(yùn)力資源具有極其重要的意義。

1 公交客流的概念和特點(diǎn)

1.1 公交客流的概念

城市公交客流指公眾為實(shí)現(xiàn)某項(xiàng)出行活動(dòng)，借助特定的交通工具，在城市道路上有目的地流動(dòng)而形成的人流。依據(jù)乘客乘車的目的地指向區(qū)別，公交的客流可分為上班工作流和其他客流。位于市區(qū)的乘客，客流量整體上較郊區(qū)大，時(shí)間規(guī)律性較強(qiáng)，高峰時(shí)間明顯，平均乘車間距較短，換成交替頻繁；公交客流量是動(dòng)態(tài)變化的，難以準(zhǔn)確計(jì)算。但是客流量的準(zhǔn)確預(yù)測，對公交站點(diǎn)、線路的設(shè)定和發(fā)車頻率等有著決定性的影響。

1.2 公交客流的特點(diǎn)

公交客流量的分布主要呈現(xiàn)出時(shí)間特征和空間特征，時(shí)間上分為高峰期和平峰期，高峰期的客流量主要為上下班客流，人員多，時(shí)間比較集中，規(guī)律性比較強(qiáng)；通常存在幾個(gè)高峰時(shí)段：早上班高峰，晚下班高峰，節(jié)假日高峰，學(xué)校附近上下學(xué)高峰等。平峰期，主要呈現(xiàn)出客流分散，時(shí)間不集中，規(guī)律性不明顯。空間分布特征也主要體現(xiàn)在客流密集地帶和分散地帶。密集地帶主要分布在學(xué)校、客運(yùn)站和居民區(qū)附近等，分散地帶客流量比較少無規(guī)律性，密集地帶，人員量大，時(shí)間規(guī)律性強(qiáng)。對于規(guī)律性以外的客流量具體來分，客流量還具有以下空間特點(diǎn)：

1.2.1 線路網(wǎng)上的客流動(dòng)態(tài)

線路網(wǎng)上的客流動(dòng)態(tài)，是指對整個(gè)城市而言，是個(gè)宏觀的概念，是指某一時(shí)刻，城市公交線路的某一截面上的客流量的動(dòng)態(tài)變化，沒有公交線路、停靠站點(diǎn)和流動(dòng)方向的區(qū)別，總體體現(xiàn)了整個(gè)城市公交線路網(wǎng)上客流量的特征。

1.2.2 方向上的客流動(dòng)態(tài)

某條線路乘客在流動(dòng)方向上的變化狀態(tài)即方向上的客流動(dòng)態(tài)。公共交通每條線路都有上、下之分，在同一時(shí)間間隔內(nèi)上下行客流經(jīng)常是不平衡的，有的線路差異甚至巨大，根據(jù)客流方向可以分為單行和雙行兩種類型。

分析客流動(dòng)態(tài)，利于確定公交調(diào)度形式，組織車輛運(yùn)行，編制行車時(shí)刻表都有至關(guān)重要的意義。

2 基于Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測方法的引入

2.1 常見客流預(yù)測的方法

針對客流量的預(yù)測，我們國家已有很多研究，最常見的預(yù)測方法主要有兩種：四階段預(yù)測法和直接預(yù)測模型法。但是，這些模型牽涉的相關(guān)因素多、結(jié)構(gòu)復(fù)雜，求解難度大，因而在實(shí)際的應(yīng)用過程中有很大的局限性。因此，有很多學(xué)者開始轉(zhuǎn)向神經(jīng)網(wǎng)絡(luò)方面的研究和實(shí)驗(yàn)。

2.2 神經(jīng)網(wǎng)絡(luò)理論

神經(jīng)網(wǎng)絡(luò)是一門交叉學(xué)科，是機(jī)器學(xué)習(xí)研究的重要分支。它通過模范學(xué)習(xí)動(dòng)物神經(jīng)網(wǎng)絡(luò)的行為特征，對信息進(jìn)行類似仿生處理的數(shù)學(xué)方法。神經(jīng)網(wǎng)絡(luò)通過調(diào)整系統(tǒng)內(nèi)部節(jié)點(diǎn)之間相互關(guān)系，實(shí)現(xiàn)信息處理的目的。由于公交客流量的特殊性，隨著時(shí)間不斷變化的特點(diǎn)，很難用確定的函數(shù)或方程來描述。因此，在對客流量進(jìn)行預(yù)測的過程中，本文引入了神經(jīng)網(wǎng)絡(luò)的相關(guān)原理。

2.3 Elman神經(jīng)網(wǎng)絡(luò)理論

Elman神經(jīng)網(wǎng)絡(luò)的概念最早是由J. L. Elman于1990年首次提出來的，它是一種典型的局部回歸型網(wǎng)絡(luò)(Global Feed Forward Local Recurrent)。因此，我們可以將Elman神經(jīng)網(wǎng)絡(luò)看作是一個(gè)具有局部記憶單元和反饋連接的遞歸神經(jīng)網(wǎng)絡(luò)。在神經(jīng)網(wǎng)絡(luò)的預(yù)測模型中，有兩種常用理論：BP網(wǎng)絡(luò)和Elman網(wǎng)絡(luò)。而BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。其原理本質(zhì)上是將動(dòng)態(tài)的時(shí)間建模轉(zhuǎn)化為靜態(tài)的空間建模。而本文中關(guān)于公交客流量的預(yù)測，公交客流量具有動(dòng)態(tài)性時(shí)空變化的特點(diǎn)，使用BP網(wǎng)絡(luò)建模必然會出現(xiàn)許多問題。因此本文引入了帶有反饋的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，Elman型神經(jīng)網(wǎng)絡(luò)由于其自身的特殊性，在解決預(yù)測問題上也有更高的準(zhǔn)確性和科學(xué)性。

3 公交線路客流分布預(yù)測流程

公交客流預(yù)測是一個(gè)復(fù)雜的過程。在對客流量進(jìn)行預(yù)測時(shí)，首先要對公交線路客流現(xiàn)狀的調(diào)查，通過各種形式的數(shù)據(jù)調(diào)查，可以得到公交線上的乘客分布規(guī)律以及各站點(diǎn)一天客流分布規(guī)律、公交車的滿載率等指標(biāo)，為公交線路運(yùn)力的合理配置提供依據(jù)。我國城市公交基礎(chǔ)設(shè)施普遍落后，而公交出行乘客眾多，客流調(diào)查難度大，調(diào)查數(shù)據(jù)容易出現(xiàn)偏差。因此，數(shù)據(jù)修正的步驟必不可少。通過數(shù)據(jù)修正，對客流量進(jìn)行初步的預(yù)測。根據(jù)預(yù)測結(jié)果，進(jìn)行試運(yùn)營，具體數(shù)據(jù)根據(jù)實(shí)際的運(yùn)營狀況再次進(jìn)行調(diào)整。因此整個(gè)運(yùn)營線路的客流預(yù)測是線路運(yùn)力配置優(yōu)化的關(guān)鍵。具體的流程如圖1所示。

圖1 基于時(shí)空變化的公交線路客流分布預(yù)測流程Fig.1 Passenger flow distribution prediction process of bus lines based on temporal and spatial changes

（1）首先，根據(jù)線路的現(xiàn)有運(yùn)營情況，確定是否要優(yōu)化公交站點(diǎn)？

如果需要，就要從站點(diǎn)的具體客流情況做分析調(diào)研。這里主要是對線路站點(diǎn)的服務(wù)面積分析，在此基礎(chǔ)上結(jié)合以往歷史數(shù)據(jù)（已有站點(diǎn)）或者類似站點(diǎn)的經(jīng)驗(yàn)數(shù)據(jù)（新增站點(diǎn)），生成該站點(diǎn)的客流量預(yù)估數(shù)值。同時(shí)，做本站點(diǎn)的客流量OD調(diào)查，調(diào)查內(nèi)容主要涉及乘客起止點(diǎn)分布、出行目的、出行方式、出行時(shí)間、出行距離、出行次數(shù)等，以此對站點(diǎn)預(yù)測數(shù)據(jù)做出修正。對于最終得到的預(yù)測數(shù)據(jù)，作為新線路客流量預(yù)測的初值，在實(shí)際運(yùn)營過程中，根據(jù)后期的實(shí)際統(tǒng)計(jì)數(shù)據(jù)，再做最終的修正。

（2）如果不需要開辟新線路，就直接對該條線路做全日客流量的預(yù)測。根據(jù)線路上站點(diǎn)的地理位置、人群結(jié)構(gòu)等分布，針對站點(diǎn)的兩種不同的類似度有以下兩種處理方式。

1）如果線路上的若干個(gè)站點(diǎn)類似度較高，則采用首末站分層不等概率抽樣，根據(jù)調(diào)查數(shù)據(jù)，做出客流時(shí)段分布預(yù)測，并以此對其他站點(diǎn)的客流量做出分布推算。

2）如果線路上的站點(diǎn)類似度較低，則采用聚類分析的方法對站點(diǎn)進(jìn)行處理。首先，聚類分析代表站點(diǎn)的客流量情況，并做出預(yù)測。然后，再針對層內(nèi)站點(diǎn)客流量做出時(shí)段分布推算。

（3）這些通過模型預(yù)測得到的數(shù)據(jù)，必須在實(shí)際的公交運(yùn)用過程中，根據(jù)用戶的乘車體驗(yàn)和公交公司的綜合效益等指標(biāo)再做出數(shù)據(jù)修正。

3.1 數(shù)據(jù)處理

這里采用Matlab軟件完成數(shù)據(jù)處理，通過網(wǎng)絡(luò)訓(xùn)練和預(yù)測數(shù)據(jù)的時(shí)間序列轉(zhuǎn)換，需要對原始數(shù)據(jù)進(jìn)行歸一化處理。函數(shù)如下：

為了提高精度，通常設(shè)置輸入輸出數(shù)據(jù)的范圍在0.2～0.8之間。經(jīng)過這樣的處理，利于樣本數(shù)據(jù)的快速訓(xùn)練，生成預(yù)測數(shù)據(jù)。下文中的實(shí)驗(yàn)數(shù)據(jù)處理過程也是采用這種數(shù)據(jù)精度的。

3.2 模型的實(shí)例化與評價(jià)

為了更好地比較Elman神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的差異，我們通過數(shù)據(jù)搜集，取某城市某一個(gè)固定站點(diǎn)近8年的公交線路客流量數(shù)據(jù)如表1所示，進(jìn)行實(shí)例化模型分析。

表1 2013—2020年某城市公交客流量Tab.1 Bus passenger flow of a city from 2013 to 2020

該城市2013—2020某一固定站點(diǎn)8年的客流量數(shù)據(jù)，每個(gè)數(shù)據(jù)分別對應(yīng)一個(gè)時(shí)間函數(shù)

x

(

i

)。通過MATLAB仿真模擬，得到的模擬值和模擬誤差率如表2所示。

表2 Elman和BP模擬值及誤差率Tab.2 Elman and BP simulation values and error rate

從表2中數(shù)據(jù)可以看到，Elman模擬比起B(yǎng)P模擬，平均誤差為-0.66%，而BP模擬的誤差率達(dá)到2.15%，從8年的實(shí)例數(shù)據(jù)仿真可以看出，Elman神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)具有更高的模擬精度。因此，現(xiàn)實(shí)的客流預(yù)測中采用Elman神經(jīng)網(wǎng)絡(luò)來進(jìn)行，會有更高的現(xiàn)實(shí)擬合度，更加精確和科學(xué)。

但是，神經(jīng)網(wǎng)絡(luò)預(yù)測體系只是保證了預(yù)測過程的相對準(zhǔn)確度，要想真正得到精確的數(shù)據(jù)，需要與其他先進(jìn)技術(shù)相結(jié)合，如視頻圖像處理、模式識別、傳感器等，保證采集到第一手準(zhǔn)確的現(xiàn)實(shí)數(shù)據(jù)。只有做到了這些，才能保證得到較準(zhǔn)確的客流量數(shù)據(jù)。

4 結(jié)語

本文首先分析公交客流量的時(shí)空分布的復(fù)雜性和規(guī)律性，然后結(jié)合現(xiàn)有的優(yōu)秀的算法對客流量的預(yù)測流程進(jìn)行了建模。最后，利用某城市近8年的某一固定站點(diǎn)的客流量數(shù)據(jù)進(jìn)行了實(shí)例預(yù)測，通過比較，發(fā)現(xiàn)Elman神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測精度。在實(shí)際的使用過程中，數(shù)據(jù)的采集和數(shù)據(jù)的修正也直接關(guān)系著后續(xù)優(yōu)化工作的開展效率。因此，有待于先進(jìn)科技的不斷融入，只有準(zhǔn)確采集了當(dāng)前的客流量數(shù)據(jù)，對整個(gè)公交運(yùn)力配置的過程推進(jìn)才會產(chǎn)生真正的意義。