基于神经网络的停车需求预测模型及应用.pdfVIP

6 交通信息与安全 2010年第 5期 第 28卷 总 157期 基于神经网络的停车需求预测模型及应用* 龙东华 邵毅 明 向红艳 (重庆交通大学交通运输学院 重庆 400074) 摘 要 结合停车需求特点分析 了停车需求影响因素，提 出了基于主成分分析 的BP神经网络停车 需求预测模型，该模型主要是通过对城市中心区停车需求的经济、土地、交通的特征分析，利用主成分 分析法 ，明确 了影响停车需求 的主成分，简化 了神经网络的输入样本 ，消除了网络输人之间的相关性， 提高 了网络的性能，实现了公共停车需求的准确预测。 关键词 城市交通 ；停车需求 ；主成分分析 ；BP神经网络 中图分类号 ：U491 文献标志码 ：A DOI：10．3963／j．ISSN 1674—4861．2O10．05．002 随着城市机动化进程加快，我 国大城市的停 1 停车需求影响因素的选取 车问题 日益突出，尤其是在集 中了大量人流 、车流 的城市中心区，存在着公共停车泊位明显不足的 停车需求的影响因素主要有 以下几个方面 ： 问题。因此，停车需求的准确预测显得尤为重要。 ①经济，包括单位 (企业)数、居住用地面积 、人均 停车需求可分为 2部分_l1]，自备车位需求 ；公共停 收入 ；②土地，包括营业建筑面积、就业 岗位数 ；③ 车需求。由于 自备车位停车需求不具备公共属 交通 ，包括机动车高峰小时吸引量 、汽车保有量、 性 ，可根据区域有关车位归属注册表推算出来 ，计 平均 日交通量。这些因素对停车需求的影响程度 算方法较为简单 ，可直接叠加到总停车需求中，因 不同，数据获取 比较容易 。全面考虑各种经济 、土 此本文对停车需求的探讨主要针对公共停车需 地、交通因素，能够有效提高停车需求预测 的精 求 。 度 ，但需求预测过程却变得十分复杂且困难 ，为了 目前 ，公共停车需求 的预测模型可以概括为 尽可能考虑各种影响因素 ，又降低预测难度 ，本文 3大类l2]：生成率模型、回归分析模型、基于 出行 提出基于主成分分析的BP神经 网络停车需求预 OD的预测模型。其 中，生成率模型主要是建立 测模型，它能够降低输入变量的维数且包含 因素 土地使用与停车需求之间的函数关系，较好 的兼 大部分信息，使得 BP神经 网络 的输入变量有所 顾了停车与土地利用之间的关系 ，但需从事大量 精简 ，且消除了变量间的相关性，同时克服了人为 调查 ，且全天不同时刻停车生成率难 以确定 ；回归 选用几个变量因素作为 BP算法的输入变量而产 分析模型利用历史社会经济数据建立停车需求模 生的主观性错误 。 型，数据获取 比较容易，但模型简单 ，预测准确率 2 基于主成分分析的BP神经网络 较低；基于出行 OD的预测模型主要是建立规划 预测模型 区域的客流吸引和该区域的停车需求之间的函数 关系，模 型的理论性强 ，精度较高 ，缺点为各分区 2．1 主成分分析 的出行吸引量、交通方式分担率、机动车承载率等 主成分分析 基本方法是通过构造原变量的 资料的获取不易，且模型复杂 ，计算烦琐。本文提 适当线性组合，以产生一系列互相不相关的新变 出的基于神经网络的公共停车需求预测模型 ，是 量 ，从中选出少数几个新变量并使它们含有尽可 对上述