基于BP神经网络的常规公交服务质量影响因素主成分介绍.docVIP

基于BP神经网络的常规公交服务质量影响因素主成分分析 张兵1，陈廷照1，胡启洲2 （1.华东交通大学土木建筑学院，南昌 330013；2. 南京理工大学自动化学院，南京 210094） 摘要：根据南昌市公交服务质量问卷调查数据，运用主成分分析方法将公交服务质量影响因素进行降维处理，把15个影响变量提取为8个主成分。在此基础上，运用MATLAB7.0建立影响因素主成分与公交服务质量认可度的BP神经网络模型，在不同参数下进行试验和比较，计算得到精确的权值矩阵。最终根据权值和阀值，分析得到影响城市常规公交服务质量的关键因素。 关键词：公交服务质量、公交认可度、主成分分析、BP神经网络 中图分类号：U 491 Principal Component Analysis of Regular Bus Service Quality Factors based on BP Neural Network ZHANG Bing1, CHEN Ting-zhao1, HU QI-Zhou2 (1. College of Civil Engineering and Architecture, East China Jiao Tong University, Nanchang 330013, China; 2. School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China) Abstract: On the base of the bus service quality survey data of Nan Chang, the factors dimension of bus service quality were reduced by principal component analysis and eight principal components were extracted form 15 variables. Then, the BP neural network model which reflects the relations about the factors principal component and recognition was set up by using MATLAB7.0. After testing and comparing under different parameters, the weight matrix was calculated. Finally, the main factors influencing the bus service were obtained according to the weights and threshold determine. Key words: bus service quality; recognition of bus; principal component analysis; BP neural network 1 引言 优先发展城市公共交通，通过改善公共交通的服务质量吸引公交出行者，将是解决城市交通拥挤问题的关键之一。目前，在公共交通服务质量因素研究方面，主要有结构方程模型法、概率模型法和多元统计分析法等。例如，Juan deO?a等提出结构方程模型（SEM）方法可用于描述服务，揭示潜在的方面与整体服务质量之间的关系[1]。Luigi dell’Olio等通过概率模型模拟用户感知的巴士交通服务质量，为运营公司提供有价值的信息，提高公交服务质量，吸引更多乘客使用交通工具[2]。在国内，很多学者从不同角度对公交服务质量进行了分析，例如黄婷等从乘客的角度出发，研究了公交的有效性、出行时间和费用、舒适便利性、安全及风险舒适便利性等，提出了公交站点、公交路线和公交系统的评价指标，建立了人性化服务质量评价体系[3]；马飞等借鉴SERVPERF服务质量分析方法，从乘客感知角度设计了公交车服务质量的5维度影响因素测量模型，研究城市公交车服务质量的影响因素及作用机理[4]；彭昌溆等应用改进的SERVQUAL模型结合Logistic模型，对宜昌市公交乘客感知服务质量的影响因素进行了研究[5]。由于城市公交服务质量影响因素众多，相互干扰较大，因此，为了保证因素分析的有效性，本文将主成分分析法（Principle component analysis, PCA）与BP神经网络模型结合用于分析城市公交服务质量影响因素，即先采用主成分分析方法对调查数据进行降维，并在保证数据丢失最小原则下，简化了神经网络拓扑结构，再在不同参数下进行仿真和比