基于emd的bp神经网络在公交客流预测中的应用

《基于emd的bp神经网络在公交客流预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于EMD的BP神经网络在公交客流预测中的应用EMD-basedBPneuralnetworkforforecastingpassengerflowofpublictransportation领域：软件工程作者姓名：郭雅楠指导教师：孟昭鹏教授天津大学软件学院二零一五年十一月摘要随着城市的发展，道路拥挤、车辆堵塞等交通问题越来越严峻，随之引发了环境污染、出行不便等一系列问题，这种情况下优先发展公共交通成为解决问题的重中之重。为了提高公交运营管理效率，关键做法是掌握客流情况，对短时公交客流进行分析和预测能够了解到客流变动情况，有助于制定出合理有效的公交调度计划。传统的公交客流采集

2、方法已经不再适用于当今的海量数据，智能公交系统的出现使得数据收集变为了可能。通过收集公交IC卡刷卡数据与行车GPS数据，将二者结合进行分析，可以得到公交运营的线路、上车站点、客流量等基本信息。通过对客流量数据的挖掘分析，可以得出不同时间段的客流变化趋势及规律，在此基础上对客流量进行峰值区间划分，整体把控客流量的时间特性。针对非线性非平稳的客流量数据进行预测，以往的统计学方法已经无能为力。本文以经典的人工神经网络之一BP神经网络模型为基础，提出了两种改进后的组合模型，其一是以优化网络权值阈值为目的，结合了粒子群优化算法的组合模型，其二是以降低数据非平稳性为目的，应用了经验模态分

3、解方法的组合模型。实验结论表明，改进后的组合模型显著提高了预测精度，证实了新方法在预测客流量方面的可用性和有效性。关键词：公交客流预测；BP神经网络；粒子群优化算法；经验模态分解法；组合模型ABSTRACTWiththedevelopmentofcity,problemssuchastrafficcongestionhavebeenemerging,followedbyenvironmentalpollutionandtravelinginconvenience.Thepublictransportationisplayingamoreandmoreimportantpart

4、underthissituation.Itiscrucialtoanalyzeandpredictshort-timepassengerflowinordertoimprovetheefficiencyofpublictransportoperations,whichcanprovidedecision-makerswithvaluableinformationsoastodevelopareasonableandefficientschedulingplan.Intermsofcollectingmassivepassengerflowdata,traditionalcol

5、lectingmethodsarenolongersuitablewhileintelligenttransportationsystemmakesitpossible.ThebasicinformationsuchasboardingsiteandpassengerflowareobtainedthroughcombiningICcarddataandGPSdata.Basedonpassengerflowdata,wecanconcludetheoveralltrendandmajorcharacteristicsofpassengerflowinweekdayandwe

6、ekend,withinonedayandonemonth.Inaddition,peakintervaldivisionleadstobetterunderstandingofpassengerflow.Predictingnonlinearandnon-stationarypassengerflowdataisbeyondpreviousstatisticalapproaches.OnbasisofBPneuralnetwork,oneofthemostclassicalartificialneuralnetworks,thispaperproposedimprovedh

7、ybridmodels.OnemodelisthecombinationofparticleswarmoptimizationalgorithmwithBPmodel,withthepurposeofoptimizingconnectionweightsandthresholdvaluesofthenetwork.TheotheroneisthecombinationofempiricalmodedecompositionmethodandBPmodel,whichaimstoreducethenon-