基于BP神经网络南平公交综合评价模型研究.docVIP

基于BP 神经网络的南平公交综合评价模型研究-机电论文 基于BP 神经网络的南平公交综合评价模型研究 陈桂福1　陈丹妮2 （1.中国市政工程西北设计研究院有限公司，甘肃 兰州 730000；2.安溪县农村信用合作联社， 福建 安溪 362400） 【摘　要】本文结合南平中心城区公共交通发展规划项目，建立具有10项评价指标和3层神经网络的公交综合评价模型，通过对评价结果的预测，使得各城市可以更好地自评和管理。实例检验表明，评价模型基本反映城市公交水平，对南平公交发展起到了参照对比和指导作用。 关键词 神经网络；公交规划；综合评价 公交综合评价模型的研究，有利于城市公交规划评价体系的发展和完善，能够为南平中心城区公交规划提供参考和方向。南平中心城区交通总体水平如下：从2000年至2010年，南平市延平区的机动车保有量从不足13000量增加至100000余量，增幅达681%。截至2014年6月调查数据，南平市中心城区公交车辆的平均速度为16km/h；中心城区不同交通方式的平均出行时耗：步行18.83分钟/次，公交车26.16分钟/次，出租车9.9分钟/次，自行车21.63分钟/次，摩托车16.95分钟/次，私家车19.87分钟/次，电动车14.52分钟/次；南平市现状公交分担率为11.31%。对于公交综合评价，目前主要是采用层次分析法、专家咨询法或模糊理论方法建立非线性模型来求解。但是，层次分析法、专家咨询法受主观因素影响较大，一旦有些评价因素发生变化时，就会产生较大的误差，必须重新建立模型，以往的一些经验性知识也得不到充分利用。而BP神经网络具有自学习、自适应能力和强容错性，是一种多层次反馈型网络，能较好地模拟评价专家进行综合评价的过程，因而具有广泛的应用前景。本文利用人工神经网络的理论，结合南平公交规划，筛选出10项相对重要的评价指标，利用神经网络自组织、自学习的能力，在评价指标和评价结果之间建立了一定关系，从而实现了基于神经网络的南平公交综合评价模型。实例预测结果，精度误差都在较为理想的范围内，因此，针对南平得到的预测结果是可以接受的，从而，也为南平交通的发展提供参考的依据。 1　BP人工神经网络的介绍[1] 反向传播（Back Propagation，BP）神经网络是由Rumelhart等人于1985年提出的一种具有自学习、自组织的神经元模型，它是一种多层次反馈型网络，所使用的是有“导师”的学习算法。BP神经网络是一种具有三层或三层以上的层次结构网络，相邻上、下层之间各神经元实现全连接，即下层的每个神经元与上层的每个神经元都实现权相连，而每层神经元之间无连接。BP算法不仅具有输入层节点、输出层节点，还可有一个多个隐含层节点。典型的3层BP神经网络模型如图2。 对于输入信号，要先向前传播到隐含层节点，经作用函数后，再把隐节点的输出信号传播到输出节点，最后给出输出结果。在BP算法中，节点的作用的激励函数通常选取S型函数。对于BP模型的输入层神经元，其输出与输入相同。中间隐含层和输出层的神经元的操作规则如下： 2　南平中心城区公交系统评价的BP网络模型设计 2.1　评价指标的选取 2000年，公安部和建设部制定《城市道路交通管理评价体系》，对公共交通评价指标作出了系统的归纳，笔者结合南平中心城区公共交通发展规划的项目，从2007年“畅通工程”评价指标体系中提炼了10项相对重要的评价指标作为模型的输入项目。评价指标的选取与设置直接影响评价结果，对评价指标的选取遵循两个原则： ①站在交通专家的角度来考虑是否能全面有效地反映公交系统的效率； ②站在南平政府的角度来考虑能否对南平公共交通的发展有推动作用。 根据以上原则建立的南平中心城区公交评价体系如图3。 2.2　构建评价模型 应用BP神经网络对南平中心城区公交系统进行综合评价的基本研究思路是：将反映公交系统的各种评价指标作为输入向量，将综合评价结果作为神经网络的输出，从而建立了一个BP神经网络模型。将国内主要城市的评价指标和综合评价结果作为训练网络的样本，从而使网络通过自主学习建立正确的内部关系。训练好的神经网络可用于城市公交系统评价的预测和平时的自我测试。 我们将模型的输出结果分为5个评价等级：极差、较差、一般、良好、高。评价集与评语集对应对应表如表1。因为神经元作用函数值域为[0，1]，所以评价集采用[0，1]数值。 3　综合评价模型的BP网络模型实现和应用 3.1　样本和输入数据的规范化处理 对国内主要城市公交评价指标数据（共14个样本），其中8个样本作为学习样本，5个样本作为测试样本，用来进行精度的检验，从而得到可靠的模型。最后输入南平数据进行综合评价。 由