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

1、城市軌道交通具有準點率高、速度快、運量大、運距長、舒適度高、受外界影響小、資源消耗少的特點，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)模的日漸完善與擴大，會吸引更多的出行者，而隨著客流量的與日俱增，城市軌道交通車站站點會出現(xiàn)客流過度飽和的狀態(tài)；且在既缺乏客流分布的詳細信息又缺少以精準的客流預測方法為

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

3、結(jié)短期客流預測的方法，分析各種方法的長短板及適用性。針對具有高度復雜性、隨機性、非線性以及不確定性的城市軌道交通短期客流預測問題，相較于傳統(tǒng)的預測方法，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對短期客流進行預測，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)影響因素進行預

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的訓練能力。
　　最后，針對 WNN預測效果的不穩(wěn)定性以及預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WNN中梯度下降法對初始參數(shù)較敏感的缺點。仿真結(jié)果表明，SFLBAWGM相較于B