[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的公交客流分時(shí)段組合預(yù)測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811285080.4
• 申請(qǐng)日: 2018-10-31
• 公開（公告）號(hào): CN109376935B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 王煒;李東亞;鄭永濤
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/26;G06N3/08
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 蔣昱

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)的公交客流分時(shí)段組合預(yù)測方法，包含了收集基本相關(guān)信息、確定最優(yōu)的輸入數(shù)據(jù)、確定組合預(yù)測算法、確定預(yù)測算法性能四個(gè)步驟。該方法充分考慮了不同算法在不同情況下的適用性，分時(shí)段賦予兩種神經(jīng)網(wǎng)絡(luò)算法各個(gè)時(shí)段的權(quán)重值，結(jié)合不同單一算法在不同時(shí)間段的預(yù)測優(yōu)勢，得到各個(gè)時(shí)段最優(yōu)的預(yù)測結(jié)果，彌補(bǔ)了單一算法局限性較大的缺陷問題，提高了模型的預(yù)測精度、預(yù)測穩(wěn)定性和泛化性，從而提高了模型整體性能，使公交客流預(yù)測更加可靠、精確。并且本發(fā)明通過單一算法對(duì)數(shù)據(jù)進(jìn)行篩選，在保證輸入數(shù)據(jù)信息量充足的情況下，最大程度保障組合算法的預(yù)測性能。

技術(shù)領(lǐng)域

本發(fā)明涉及公交客流分時(shí)段預(yù)測技術(shù)領(lǐng)域，特別是涉及一種基于神經(jīng)網(wǎng)絡(luò)的公交客流分時(shí)段組合預(yù)測方法。

背景技術(shù)

近些年來，面對(duì)日益惡化的交通狀況，很多城市都采取了限購、限牌、大力發(fā)展公共交通等措施。

人們?cè)絹碓街匾暪步煌ǖ陌l(fā)展，公共交通承載量大，能大大提高城市道路利用效率，并且線路、發(fā)車頻率基本固定，在公交發(fā)展到一定程度時(shí)還能實(shí)現(xiàn)公交專用道路、專用信號(hào)等優(yōu)先權(quán)利，運(yùn)行效率還將大大提高，公共交通法發(fā)展有助于緩解城市擁堵，公共交通系統(tǒng)正在不斷的完善。比如，出現(xiàn)了快速公交BRT系統(tǒng)，BRT的出現(xiàn)大大改善了公交系統(tǒng)，為公共交通系統(tǒng)注入了一股新生力量。但是目前BRT僅在部分大城市有，并且由于建造成本、道路有限等原因，在城市內(nèi)的覆蓋率較低，不能滿足需求。

公共交通以其便捷、低成本、高運(yùn)載力、低碳環(huán)保等原因近些年來越來越受到公眾及政府、企業(yè)的青睞。而由于傳統(tǒng)公交缺乏對(duì)市場需求的準(zhǔn)確預(yù)測，導(dǎo)致路網(wǎng)分配不平衡，出現(xiàn)有的線路人滿為患，有的線路人員稀少的情況，并且對(duì)客運(yùn)需求的模糊認(rèn)識(shí)導(dǎo)致線路的重合率過高或者覆蓋率過低等現(xiàn)象。這也就阻礙了公交的進(jìn)一步發(fā)展。所以，對(duì)公交客流進(jìn)行準(zhǔn)確的預(yù)測就顯得非常重要。

準(zhǔn)確的客流預(yù)測使公交運(yùn)營公司做出合理的運(yùn)力安排，能提高乘客的乘車體驗(yàn)，有利于提高公交車輛的準(zhǔn)點(diǎn)率、運(yùn)行速度、穩(wěn)定性。穩(wěn)定性是評(píng)價(jià)公共交通的服務(wù)水平以及服務(wù)效率最重要的因素之一。公交運(yùn)行的可靠性、突發(fā)事件的先知性等服務(wù)屬性是決定乘客對(duì)公交服務(wù)滿意度最重要的因素。

公交客流常呈現(xiàn)隨時(shí)段和季節(jié)性的波動(dòng)，其影響因素和變化趨勢眾多且復(fù)雜，不僅包括歷史客流、日期的性質(zhì)，還包括環(huán)境天氣等狀況。目前公交客流預(yù)測的研究大多使用時(shí)間序列、灰色預(yù)測等傳統(tǒng)的統(tǒng)計(jì)學(xué)方法，但此類方法單純地從數(shù)據(jù)統(tǒng)計(jì)的角度出發(fā)，很難捕獲客流生成的本質(zhì)規(guī)律和演化機(jī)理，因而限制了預(yù)測精度和可靠性。另一方面，盡管有少量學(xué)者利用機(jī)器學(xué)習(xí)算法進(jìn)行公交客流預(yù)測，但缺乏深入分析公交客流規(guī)律及其影響因素，也沒有系統(tǒng)地比較不同方法對(duì)數(shù)據(jù)的適應(yīng)性和普適性，致使其預(yù)測精度還沒有得到充分釋放。近年來，隨著智能公交系統(tǒng)的發(fā)展和普及，為公交信息采集和處理提供了有利的技術(shù)條件，也為實(shí)現(xiàn)多源公交信息的融合提供了支持。

研究發(fā)現(xiàn)，組合算法在提高模型整體性能方面具有得天獨(dú)厚的優(yōu)勢，組合算法可以結(jié)合不同算法模型的優(yōu)點(diǎn)，可以彌補(bǔ)單一算法局限性較大的缺陷。本發(fā)明考慮將機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到公交客流預(yù)測組合算法中，提出了一種基于神經(jīng)網(wǎng)絡(luò)的公交客流分時(shí)段變權(quán)組合預(yù)測方法，這將提高公交客流的預(yù)測精度和可靠性，有利于決策者和規(guī)劃人員更加方便、合理有效地進(jìn)行城市規(guī)劃，提高公交準(zhǔn)點(diǎn)率、降低線路重復(fù)率、合理匹配公交運(yùn)力與客運(yùn)需求，提高公交服務(wù)質(zhì)量。

本發(fā)明引入泛化性更好、預(yù)測性能更加穩(wěn)定的組合算法，并進(jìn)行比較尋優(yōu)。組合算法有效地均衡不同輸入、不同算法的預(yù)測貢獻(xiàn)率，并分時(shí)段賦予兩種神經(jīng)網(wǎng)絡(luò)算法各個(gè)時(shí)段的權(quán)重值，結(jié)合不同單一算法在不同時(shí)間段的預(yù)測優(yōu)勢，得到各個(gè)時(shí)段最優(yōu)的預(yù)測結(jié)果，從而提高了模型整體性能，使公交客流預(yù)測更加可靠、精確，能提升公交客流預(yù)測的整體效果。

發(fā)明內(nèi)容