论文部分内容阅读
摘要：随着人们对于出行的要求越来越高，传统的交通运输方式已经无法满足人们的要求，因此，许多城市开始大力发展地铁交通。本文简要地介绍了神经网络的含义，然后就如何运用神经网络对地铁客流量进行预测的具体方法进行了详细地介绍。
关键词：地铁客流；预测；神经网络
一、神经网络的含义
神经网络就像是人类的大脑神经中突触的分布一样紧密联接，使用这样的方法来对信息进行数学建模的处理。神经网络可以说是典型的运算型模式，它是由无数的神经元互相连结在一起的。每个一个神经元的尾数节点就是代表着结果的输送，当然这里的结果便是函数的特定的输出，也可以称之为激励函数。神经元之间的连接处信号的传输可以理解为神经的记忆点，整个网络的信号输出主要是通过连接方式、记忆点的存取和激励函数的取舍来形成的。
人类通过不断对自身的研究来得出一系列的经验，当然人们在对自身神经系统的研究当中提出了神经网络系统，它的设计理念就是和人自身脑神经系统的信号传递及收集，从而得出对重要信息进行处理的特殊方法。神经网络就是无数神经元互相连接形成一种通过信息分析来自主运转的系统，主要特点还是非线性类型问题的典型处置工具。神经网络还具有以下四个基本特征：
（一）非凸性：在实际发生的现象当中会导致某个事物具体的延续性。神经网络中非凸性说的就是特定函数的状态特性是一个极值，所以这就决定了神经网络可以是很稳定的状态，但是结果可能是多样化的，这也说明神经网络演算时的多样性。能量函数中极值是就是一种稳定状态。
（二）非常定性：神经网络就和我们人类自身一样每天看到的听到的信息量是很大的，也就是说处理的信息量可以很杂、量很大，但在信息的处理过程中非线性的测算也在不停的在演算。我们就是在此基础上充分使用神经网络自主运转能力、自学能力和自修复的能力，来替代非线性的测算的演算变化过程。
（三）非局限性：神经网络的设计理念本就是来源于人类自身的大脑，神经系统的组成就是多个神经元穿插连接的。某一个神经元的特性和另外一个神经元的连接方式的特性直接信息到了这一新系统的性能。就是因为这样的链接方式及特性太多太多，神经网络就不会出现重复性，这就是为什么说非局限性的问题。
二、神经网络测算地铁客流的具体方法
随着我国各大城市轨道运输交通的开行，地铁站的数量也在不断的飞速增加着，然而目前我国很多城市的地铁交通运输都是根据运行交路来制定等额的运输趟次，在运输低峰期内除了增大加开的间隔时间以外大多数还是等额交路进行运行，这样会很大限度的造成能耗過大，车辆检修维护费用过高，车辆使用寿命减少等缺点。以下我们通过对某城市地铁2号线的某站点地铁车辆使用情况的调研，发现地铁车辆的额定满载达不到20%，其余的运营时间内都在轻载，甚至出现无人乘坐的情况。如果通过测试预知地铁客流量，使地铁车辆的调派可通过控制系与客流量紧密结合来自动调节，不仅可以更好的疏导交通压力、还能高效的使用、同时降低能耗，减少地铁车辆的检修维护，提高寿命，是安全达到一个新的高度。本文主要是使用BP神经网络来建模对地铁车站的客流量进行监控并实时的分析。
BP神经网络是多层符合型信号前置网络。BP网络的信号传输过程中，信号首先由前端开始传播，而将误差分析反向向后传播，由输入层、隐含层、输出层组成，一般有不确定的隐含层和线性的输出层，最终能够对不连续的函数进行逼近。信号的正播和误差传播以及权限的交接过程都是循环进行的，直输出误差降低到预设值。
BP（Back Propagation）网络是按误差逆反向传播并进行计算得到多层符合型信号前置网络，现在整个统计网络控制中使用最为多的就是神经网络。
结合着神经网络的预测方案，我们可以得到很多有利的数据，比如在地铁的交路规划的建立需求时都需要对沿途每个站点客流量情况进行预判，建立健全站点及车辆全天运营时间、固定编制列车运行辆数、高压供电设备和空气置换装置的通风容量等。这些阶段性的数据都是复杂的大数据环境，需要每天的，每个月的甚至一年的数据，还有就是某些特定阶段的测量数据，测方式都是使用“多阶段”预测法。其实对地铁客流连的预测方法还有很多，本文所讲的BP网络只是众多预测方式中的一种。神经系统在地铁客流预测中的应用是重要的，所带来的巨大好处也是可见的，只有将此应用网络做到极致才能在地铁客流的实际运用中起到作用。
三、结束语
目前地铁客流量上线总数统计在这些服务性行业中正在广泛的使用，此方法能够更好的提升行业内部的经营效益，使经营管理方面加快信息化的建设和规范。地铁客流量预测的设计与运行是需要结合实际，有具体的数据是支撑才能完成的，地铁服务型行业面对大数据的要求很高，因为只有通过对大数据的分析才能得出对车站、车组、运输时效及加开对数等进行决策，只有用数学模型建模来支持，才能得到更加科学的结论。
关键词：地铁客流；预测；神经网络
一、神经网络的含义
神经网络就像是人类的大脑神经中突触的分布一样紧密联接，使用这样的方法来对信息进行数学建模的处理。神经网络可以说是典型的运算型模式，它是由无数的神经元互相连结在一起的。每个一个神经元的尾数节点就是代表着结果的输送，当然这里的结果便是函数的特定的输出，也可以称之为激励函数。神经元之间的连接处信号的传输可以理解为神经的记忆点，整个网络的信号输出主要是通过连接方式、记忆点的存取和激励函数的取舍来形成的。
人类通过不断对自身的研究来得出一系列的经验，当然人们在对自身神经系统的研究当中提出了神经网络系统，它的设计理念就是和人自身脑神经系统的信号传递及收集，从而得出对重要信息进行处理的特殊方法。神经网络就是无数神经元互相连接形成一种通过信息分析来自主运转的系统，主要特点还是非线性类型问题的典型处置工具。神经网络还具有以下四个基本特征：
（一）非凸性：在实际发生的现象当中会导致某个事物具体的延续性。神经网络中非凸性说的就是特定函数的状态特性是一个极值，所以这就决定了神经网络可以是很稳定的状态，但是结果可能是多样化的，这也说明神经网络演算时的多样性。能量函数中极值是就是一种稳定状态。
（二）非常定性：神经网络就和我们人类自身一样每天看到的听到的信息量是很大的，也就是说处理的信息量可以很杂、量很大，但在信息的处理过程中非线性的测算也在不停的在演算。我们就是在此基础上充分使用神经网络自主运转能力、自学能力和自修复的能力，来替代非线性的测算的演算变化过程。
（三）非局限性：神经网络的设计理念本就是来源于人类自身的大脑，神经系统的组成就是多个神经元穿插连接的。某一个神经元的特性和另外一个神经元的连接方式的特性直接信息到了这一新系统的性能。就是因为这样的链接方式及特性太多太多，神经网络就不会出现重复性，这就是为什么说非局限性的问题。
二、神经网络测算地铁客流的具体方法
随着我国各大城市轨道运输交通的开行，地铁站的数量也在不断的飞速增加着，然而目前我国很多城市的地铁交通运输都是根据运行交路来制定等额的运输趟次，在运输低峰期内除了增大加开的间隔时间以外大多数还是等额交路进行运行，这样会很大限度的造成能耗過大，车辆检修维护费用过高，车辆使用寿命减少等缺点。以下我们通过对某城市地铁2号线的某站点地铁车辆使用情况的调研，发现地铁车辆的额定满载达不到20%，其余的运营时间内都在轻载，甚至出现无人乘坐的情况。如果通过测试预知地铁客流量，使地铁车辆的调派可通过控制系与客流量紧密结合来自动调节，不仅可以更好的疏导交通压力、还能高效的使用、同时降低能耗，减少地铁车辆的检修维护，提高寿命，是安全达到一个新的高度。本文主要是使用BP神经网络来建模对地铁车站的客流量进行监控并实时的分析。
BP神经网络是多层符合型信号前置网络。BP网络的信号传输过程中，信号首先由前端开始传播，而将误差分析反向向后传播，由输入层、隐含层、输出层组成，一般有不确定的隐含层和线性的输出层，最终能够对不连续的函数进行逼近。信号的正播和误差传播以及权限的交接过程都是循环进行的，直输出误差降低到预设值。
BP（Back Propagation）网络是按误差逆反向传播并进行计算得到多层符合型信号前置网络，现在整个统计网络控制中使用最为多的就是神经网络。
结合着神经网络的预测方案，我们可以得到很多有利的数据，比如在地铁的交路规划的建立需求时都需要对沿途每个站点客流量情况进行预判，建立健全站点及车辆全天运营时间、固定编制列车运行辆数、高压供电设备和空气置换装置的通风容量等。这些阶段性的数据都是复杂的大数据环境，需要每天的，每个月的甚至一年的数据，还有就是某些特定阶段的测量数据，测方式都是使用“多阶段”预测法。其实对地铁客流连的预测方法还有很多，本文所讲的BP网络只是众多预测方式中的一种。神经系统在地铁客流预测中的应用是重要的，所带来的巨大好处也是可见的，只有将此应用网络做到极致才能在地铁客流的实际运用中起到作用。
三、结束语
目前地铁客流量上线总数统计在这些服务性行业中正在广泛的使用，此方法能够更好的提升行业内部的经营效益，使经营管理方面加快信息化的建设和规范。地铁客流量预测的设计与运行是需要结合实际，有具体的数据是支撑才能完成的，地铁服务型行业面对大数据的要求很高，因为只有通过对大数据的分析才能得出对车站、车组、运输时效及加开对数等进行决策，只有用数学模型建模来支持，才能得到更加科学的结论。