基于ACA—NN的合肥公路客运预测与分析.docVIP

基于ACA—NN的合肥公路客运预测与分析 　　摘要：针对BP神经网络存在无法有效收敛最优值问题，构建基于蚁群算法的优化神经网络的公路客运预测模型。该模型采用常见的BP神经网络结构，算法采用的是一种新型的进化算法——蚁群算法。然后以合肥市2012年公路客运预测为实例，尝试了蚁群优化神经网络ACONN在客运量预测中的应用，结果表明蚁群优化神经网络模型的预测精度比其他模型高。 　　关键词：客运量预测；蚁群算法；神经网络；ACONN模型；灰色预测 　　中图分类号：G642 文献标识码：A 文章编号：1009-3044（2014）06-1348-04 　　Prediction and Analysis of Hefei Highway Passenger Quantity Based on ACA-NN 　　ZHANG Qinq-lin，LIU Chun-ling 　　（Department of Information Engineering， Anhui Economic Management Institute， Hefei 230051，China） 　　Abstract： According to the defects of neural network， this paper puts forward neural network highway customer forecast method which based on colony algorithm optimization. This model is used common BP neural network structure， the algorithm is used is a new kind of evolutionary algorithm- ant colony algorithm. Finally， it takes 　　highway passenger transportation in hefei as an example， try ACONN ant colony neural network application in the passenger traffic forecast， results show that the ant colony neural network models prediction precision is better than other models. 　　Key words： Passenger traffic forecast；ant colony algorithm；neural networks；ACONN model；gray prediction 　　随着汽车保有量的增加，公路客运量也随之增加，公路客运能力受到了极大的挑战。如何有效利用现有工具来预测客运量，满足公路客运管理和交通工程建设，这是交通管理和建设部门面临的一项重要工作任务。国内外学者对预测模型进行了大量详尽的研究，其中AR模型、ARMA模型、ARIMA模型、Box-Jenkins方法、马尔可夫方法、灰色系统方法及统计回归方法等建模方法比较常用[1～2]。这些方法很多是线性的，无法逼近真实的历史数据；也有利用原始BP神经网络方法来预测，虽然多层BP网络可以实现任意可实现的线性和非线性函数的映射，但是在训练过程中易陷入局部最小的情况，所以这些预测方法的准确率还不是很高。该文针对神经网络存在无法有效收敛最优值问题，构建基于蚁群算法优化的神经网络的公路客运预测模型[3]。经过对2012年合肥公路客运量进行预测分析，掌握各个时段客运量的分布，有利于相关部门作出相应决策，应对客运高峰期带来的种种压力，更好地满足广大人民群众的需求， 以最合理的人力和财力的投入，来获得最大经济效率，达到最好的社会效果。 　　1 蚁群算法 　　蚁群算法（Ant Colony Algorithm，简称ACA）是人们受到对自然界中真实的蚂蚁群体行为启发而提出的一种仿生优化算法。属于随机搜索算法，该算法是在1991年召开的第一界欧洲人工生命会议上，由Dorigo M等人第一次提出的关于蚁群算法的基本模型[4]。Dorigo M等人通过模拟蚂蚁搜索食物的过程（就是怎样去找到蚁穴到食物源的最短路径，前提是在个体之间相互合作的情况下）来求解TSP问题。 　　该算法以前主要解决一维的静态优化问题，发展到现在用于解决多维动态组合优化的问题，在多种研究领域，已经得到广泛应用。蚁群算法目前软件及硬件的实现上都取得了突破性的研究进展，既具有深刻的学术思想，又具有广阔的发展前景。 　　以TSP为例，基本蚁群算法的程序结构流程图如图1。 　　2