基于改进非全连接神经网络的站点客流预测模型

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.

关键词：公路运输、客流量预测、非全连接神经网络、兴趣点、公交站点

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;重庆市自然科学基金

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51