改進(jìn)小波神經(jīng)網(wǎng)絡(luò)在城市軌道交通客流預(yù)測中的應(yīng)用研究.pdf

1、城市軌道交通具有準(zhǔn)點(diǎn)率高、速度快、運(yùn)量大、運(yùn)距長、舒適度高、受外界影響小、資源消耗少的特點(diǎn)，不僅滿足了居民出行的新要求，還能有效的緩解城市公共交通擁堵現(xiàn)象，并起到為城市節(jié)能減噪、改善大氣環(huán)境的作用，逐步成為出行者主要選擇的公共交通方式。隨著城市軌道交通系統(tǒng)的逐步發(fā)展，路網(wǎng)規(guī)模的日漸完善與擴(kuò)大，會(huì)吸引更多的出行者，而隨著客流量的與日俱增，城市軌道交通車站站點(diǎn)會(huì)出現(xiàn)客流過度飽和的狀態(tài)；且在既缺乏客流分布的詳細(xì)信息又缺少以精準(zhǔn)的客流預(yù)測方法為

2、基礎(chǔ)的客流誘導(dǎo)的情況下，出行者將會(huì)大量的集中在時(shí)間或距離最短的道路上，造成車廂擁擠，換乘擁堵的現(xiàn)象，且運(yùn)力配置、客運(yùn)組織也難以有效實(shí)施，站內(nèi)突發(fā)事件預(yù)警及疏散方案亦無法準(zhǔn)確制定。因此，對城市軌道交通短期客流預(yù)測進(jìn)行研究具有重大意義。本文以鄭州軌道交通1號線二七站的實(shí)測客流為基礎(chǔ)，圍繞短期客流預(yù)測問題，進(jìn)行如下研究工作：
　　首先，對城市軌道交通路網(wǎng)客流的時(shí)間、空間分布特性進(jìn)行總結(jié)，為后文的短期客流預(yù)測打下基礎(chǔ)。
　　其次，總

3、結(jié)短期客流預(yù)測的方法，分析各種方法的長短板及適用性。針對具有高度復(fù)雜性、隨機(jī)性、非線性以及不確定性的城市軌道交通短期客流預(yù)測問題，相較于傳統(tǒng)的預(yù)測方法，WNN(Wavelet Neural Network,小波神經(jīng)網(wǎng)絡(luò))作為新型的非線性函數(shù)逼近工具，具有明顯的優(yōu)勢，確定使用WNN對短期客流進(jìn)行預(yù)測，并對WNN的基本原理、結(jié)構(gòu)及算法步驟做簡單闡述。
　　再次，利用聚類分析和Spearman相關(guān)系數(shù)法對原始客流數(shù)據(jù)、相關(guān)影響因素進(jìn)行預(yù)

4、處理，保證輸入與輸出的合理性、可靠性，在一定程度上也提高了WNN的訓(xùn)練能力。
　　最后，針對 WNN預(yù)測效果的不穩(wěn)定性以及預(yù)測精度略低等不足之處，提出SFLBAWGM(Shuffled Frog-Leaping Bat Algorithm with Gauss Mutation,帶有高斯變異的混合蛙跳蝙蝠算法)，用于對WNN初始參數(shù)組合的前期優(yōu)化，彌補(bǔ)WNN中梯度下降法對初始參數(shù)較敏感的缺點(diǎn)。仿真結(jié)果表明，SFLBAWGM相較于B