APP下载

基于BP神经网络的公交车到站时间预测

2019-11-16边冰郑军

物联网技术 2019年10期
关键词:非线性BP神经网络数学模型

边冰 郑军

摘 要:公交车到站时间预测是城市公共交通智能化发展的首要需求,对公交车到站时间进行准确预测对于市民出行与公交调研有著重要意义。但是公交车到站时间呈一种非线性变化,它受多方因素的影响,因此很难通过建立数学模型来解决。为此文中基于BP神经网络进行公交车到站时间预测,BP神经网络的自组织、自学习等特点使其可逼近任意非线性映射,以唐山市某线路公交车运行为例进行模拟仿真,试验结果表明,基于BP神经网络的公交车到站时间预测具有较高的准确性与可靠性。

关键词:公交车到站时间;智能化;公交调研;非线性;数学模型;BP神经网络

中图分类号:TP183文献标识码:A文章编号:2095-1302(2019)10-00-02

0 引 言

随着人们生活水平的提高,大部分家庭都拥有汽车,汽车的增多无疑加剧了城市的拥堵,汽车尾气排放量增多也使得空气质量变差,人们的生活环境受到了很大影响[1]。城市的拥堵问题不能仅靠无限制地增加基础设施来解决,再加上近几年实行的尾号限行规定,人们的出行受到了限制,市民需要寻找一种更好、更高效的出行方式。由于公交车具有廉价、载客多、舒适等特点,并可减少城市拥堵,因此已成为人们出行的首选交通工具[2]。然而在一些中小城市,公交系统不够智能化,大部分公交车车站并没有设立电子标牌,有电子标牌的大部分也只显示到站的距离和站数,并不能为乘客提供确切的等车时间,特别是对于一些对时间要求较高的工作人员来说,在等车期间很容易产生焦虑的情绪,因此准确地预测公交车到站时间是提高城市服务水平及实现高效公交系统的关键[3]。若系统能预测出公交车到站的确切时间,将为人们的出行提供便利[4]。

由于到站时间受到多种因素影响,呈非线性变化,因此很难用普通的数学模型来解决[5]。在众多新型算法中,最经典的是GPS定位技术,它由美国率先提出,已应用于汽车领域。国内孙棣华[6]等通过GPS定位的数据,结合车速、站点的路程差等因素完成预测。周雪梅[7]等把上一辆车的行驶速度作为路况参照,通过GPS的数据建立车辆站点停留时间模型。虽然GPS技术可实时采集、预报路况,但GPS前期资金投入较大,一些中小城市很难承受。公交车在经过高楼、隧道等建筑设施时,容易导致数据不完整,在经过信号塔时,也会受到信号干扰,这些因素都会直接影响数据采集。本文运用BP算法对公交车到站时间进行预测,它可逼近任意非线性映射,通过仿真学习,能够较准确地对时间进行预测[8]。

1 BP神经网络预测模型

BP神经网络能够进行误差反向传播,其网络结构主要包括输入层、隐藏层、输出层,如图1所示。

2 案例研究

本文以唐山市2路汽车到站时间为例,其公交线路经过主街道,途径商业街、学校、医院等,地理环境复杂。选取第一站妇产医院与末站广场到站时间作为输入,将两站的时间差作为输出,数据采集时间为2018年9月1日到2018年10月30日,每天早晨7:30对公交车进行跟车数据采集。一共采集了60组数据,从中选取50组数据作为网络训练样本,余下的作为检测使用。因为网络的输入为两站的到站时间,所以第一层神经元数为2;隐藏层数定为5;输出层只有一个结果,神经元数定为1,其三层神经元依次为2-5-1结构。按照上述要求,仿真后所得数据见表1所列。

表1是经过训练仿真得出的几组数据,从中可以看出,10组预测值与真实值接近,且相对误差都在10%以下,最低为0.3%,表明预测效果较好。图2为BP神经网络预测曲线,虚线代表真实值,实线代表预测值,预测曲线较接近真实曲线,R2为决定系数,其值越接近于1,表明预测效果越好。从图中可以看出,R2为0.987 25,表明基于BP神经网络的公交车到站时间预测具有较高的准确性。

3 结 语

本文运用BP神经网络算法完成对公交车到站时间的预测,通过仿真验证可知该方法具有较高的准确性。但是BP神经网络训练速度较慢,在今后的研究中,应考虑天气与温度等因素对时间的影响,寻找更好的算法来弥补不足。

参 考 文 献

[1]向红燕,彭学文.公交到站时间预测研究现状与发展趋势[J].交通信息与安全,2014,32(4):57-61.

[2]谢芳,顾军华,张素琪,等.基于MapReduce 聚类和神经网络的公交车到站时间预测模型[J].计算机应用,2017,37(z1):118-122.

[3]左忠义,汪磊.公交到站时间实时预测信息发布技术研究[J].交通运输系统工程与信息,2013(1):63-68.

[4]马晓敏,王新.基于遗传算法的BP神经网络改进[J].云南大学学报(自然科学版),2013,35(z2):34-38.

[5]段光忠.基于公交车运行轨迹的到站时间预测系统研究[J].信息技术,2017,15(9):23,25.

[6]孙棣华,赖云波,廖孝勇,等.公交浮动车辆到站时间实时预测模型[J].交通运输工程学报,2011(2):84-89.

[7]周雪梅,彭昌溆,宋兴昊,等.基于前车数据的动态公交车辆到站时间预测模型研究[J].交通与运输(学术版),2011(B12): 52-56.

[8]谢炜.基于BP神经网络的公交车到站时间预测[J].中国石油大学胜利学院学报,2016(4):38-40.

[9]史同飞,袁腾飞,时柏营.基于BP神经网络的公交周转时间预测研究[J].山东建筑大学学报,2015,30(3):205-210.

[10]彭新建,翁小雄.基于萤火虫算法优化BP神经网络的公交行程时间预测[J].广西师范大学学报(自然科学版),2017,35(1):28-36.

猜你喜欢

非线性BP神经网络数学模型
AHP法短跑数学模型分析
活用数学模型,理解排列组合
电子节气门非线性控制策略
对一个数学模型的思考
四轮独立驱动电动汽车行驶状态估计
古塔形变的数学模型