基于GSO-BP神经网络的城市轨道交通客流量短时间预测.pdfVIP

第19卷第1期 交 通 科 技 与 经 济 Vo1．19。No．1 2017年2月 Technology EconomyinAreasofCommunications Feb．，2017 引用著录：唐秋生，程鹏，李娜．基于GSO-BP神经网络的城市轨道交通客流量短时间预测 [J]．交通科技与经济，2017，19(1) 1—4。63． DOI：10．19348／j．cnki．issnl008—5696．2017．01．001 基于 GSO—BP神经网络的城市轨道交通 客流量短时间预测 唐秋生，程 鹏，李 娜 (重庆交通大学 交通运输学院，重庆 400041) 摘 要：城市轨道交通作为公共交通客流量的分担措施之一，能够解决因客流量预测不准确而带来的资源浪费和低 效益问题。建立一种新的GSO--BPNN方法 ，该方法在BP网络的基础上植入 GSO算法 ，优化网络的初始权值和阂 值，并以某城市轨道交通客流量为例 ，对比普通BP网络预测模型，结果显示GSO--BPNN方法的预测精度较高。 关键词：城市轨道交通；神经网络；萤火虫算法 ；客流量预测；Matlab仿真 中图分类号：U213．2 文献标识码：A 文章编号：1008—5696(2017)01—0001—04 Shorttimeforecastingofpassengerflow in urban railwayusing GSo—BPNN method TANG Qiusheng，CHENG Peng，LINa (SchoolofTrafficandTransportation，ChongqingJiaotongUniversity，Chongqing400041，China) Abstract：Theurbanrailwayistakenasoneofthemeasuresofpartakingpublictransportpassengers，in ordertodealwiththeproblemsofthewasteofresourcesandlow efficiency，causedbytheinaccurateurban trafficpassengerforecasting．Inthispaper，anew methodforGSO-BPNN isproposed．Thismethodisa combinationofBPneuralnetwork andGSO algorithm．Firstly，theinitialweightsandthresholdsofBP neuralnetworkareoptimizedwithGSO algorithm．Thenthemethodisvalidatedwithanexampleofsome urbanrailwaypassengersandcomparedwith thecommonBP neuralnetwork．Finally，theresultshows thatthisforecastingprecisionofGSO-BPNN methodispreferable． Keywords：urbanrailway；BPNN ；GSO；trafficpassengerforecasting；Matlabsimulation 随着城市化进程的加快，城市轨道交通作为中 大量的样本数据支持，但一些新建轨道交通的城市 国城市公共交通的重要组成部分，其发展的步伐也 往往历史数据匮乏，甚至根本没有 ，这就给上述方 在加快，并成为缓解城市交通拥堵 问题的主力军。 法的使用带来困难。随着人工智能的兴起，越来越 但在其发展过程中存在着一些 问题，实际客流量与 多的人使用人工网络预测交通量，根本原因在于该 预测客流量偏差较大，从而使交通资源趋于紧张或 方法几乎不依赖或很少依赖历史数据 。如杨兆升 浪费，导致城市轨道交通效益受到严重影响。因