科研之友
微信
新浪微博
Facebook
分享链接
摘要
在地面公交运输中，站点客流量数据是公交线网规划最重要的基础数据之一。站点周边兴趣点（POI）的类型、数量以及距离会导致站点客流量出现不同的趋势。神经网络是研究客流预测的常用方案，然而由于POI对客流的影响存在相互独立性，这一重要特征并未在传统全连接神经网络的结构中得以体现，易使预测效果不尽人意。基于POI与客流量关系的特殊性，改进全连接神经网络的基本结构，构建一种特定的非全连接神经网络，利用所有公交站点客流量的历史数据及各类POI分布，实现对站点各时间段的客流量的模拟及预测。模型设定一种连接矩阵实现特定的连接方式，并根据客流量的性质额外赋予部分隐藏层实际意义，构造组合误差传递函数，增强神经网络的可解释性。该模型可以快速收敛至全局最优解，改进传统全连接神经网络的收敛速度慢、拟合效果差、易陷入局部最优解等问题。实验结果表明，该模型单位时间内的客流量预测偏差在50人以内的概率达到88%以上，对比其他常见预测模型均有优质表现，并且能准确模拟每日客流的变化趋势。
- 单位
