基于主成分分析-BP神经网络地道路客运站场布局决策研究.pdfVIP

(2008城市发展与规划国际论坛论文集 基于主成分分析．BP神经网络的道路客运站场 布局决策研究宰 杨励雅1 邵春福2 (1．中国人民大学公共管理学院，北京，100872；2．北京交通大学交通运输学院，北京，100044) 【摘要】为解决输入变量过多所造成的BP神经网络系统效率下降问题，提出一种主成分分析．BP神经网络的道路客运站场 布局决策方法。首先，利用主成分分析方法，将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变 量；然后，将新的输入变量群作为BP神经网络的输入进行道路客运站场的布局决策；最后，以廊坊市道路客运站场布局 为例验证了方法的有效性。 【关键词】主成分分析；BP神经网络；站场布局；决策 个数较少且彼此独立的新输入变量；然后，将新的输 引言 入变量群作为BP神经网络的输入进行模拟决策；最 后，运用该方法对廊坊市道路客运站场布局进行决策 道路客运站场是城市客运系统的重要节点，在旅 分析。 客运输过程中承担生产、组织、协调、中转、服务等 各项功能。道路客运站场布局合理与否，直接决定客 1 道路客运站场布局影响因素的主成 运站的功能发挥，并将对道路运输效率、城市土地利 分分析方法 用布局以及城市经济发展产生深远影响。 道路客运站场布局决策，属多目标选址优化问 道路客运站场的布局规划是一项复杂的系统工 题，常用的方法有模糊综合排序法、AHP层次分析 程，受经济、技术、环境等多方面因素影响。国内外 法、BP神经网络法等¨制。客运站场布局影响因素的 相关研究¨刮中普遍认为，影响客运站场布局的主要 复杂性，使得单独采用上述某一种方法进行道路客运 因素包括站场规模适应性(茗。)、站场发展余地(茗：)、 站场布局决策时，均存在不同程度的局限性。例如， 与其它运输方式协调性(觐)、与城市总体规划协调性 模糊综合排序法难以解决各影响因素之间相关性而造 (礼)、与公路主骨架协调性(％)、单位生产能力占地面 成的评价信息重复问题，且指标权重的确定存在一定 积(‰)、单位生产能力主要建筑规模(石，)、单位生产能 主观性。AHP层次分析法要求决策者能够全面把握决 力投资额(魂)、车辆出入条件(X9)、旅客进站便捷性 策对象的要素与结构，并要求各因素之间相互独立， (茗，。)、对环境影响程度(并。。)、运营管理难易程度(菇。：) 适用范围窄。BP神经网络作为一种并行计算模型， 等。关于各指标属性值的计算和量化可参阅文献…。 能够在被建模对象结构及参数未知的情况下，通过样 上述指标个数繁多且相互之间存在一定的信息相 本训练，自适应地获取输入与输出的非线性映射关 关性，既增加了决策分析的难度，同时还降低了决策 系，但在分析影响因素繁多的决策问题时，由于网络 结果的可靠性。主成分分析法是利用降维的思想，把 复杂度的增加，其预测性能与精度会大大降低。 多个彼此相关的原始指标转化为少数几个彼此无关的 因此，本文提出一种基于主成分分析一BP神经网 综合指标的多元统计分析方法，尤适合于客运站场布 络的道路客运站场布局决策方法。首先，利用主成分 局此类