基于BP神经网络的个体出行模式识别研究

基于BP神经网络的个体出行模式识别研究

ID:36500482

大小:817.00 KB

页数:4页

时间:2019-05-11

基于BP神经网络的个体出行模式识别研究_第1页
基于BP神经网络的个体出行模式识别研究_第2页
基于BP神经网络的个体出行模式识别研究_第3页
基于BP神经网络的个体出行模式识别研究_第4页
资源描述:

《基于BP神经网络的个体出行模式识别研究》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、第39卷,第5期公路工程Vo1.39,No.52014年10月HighwayEngineeringOct.,2014基于BP神经网络的个体出行模式识别研究何山,朱健梅(西南交通大学交通运输与物流学院,四川成都610031)[摘要]以个体出行模式作为研究对象,利用出行的GPS数据,建立用于个体出行模式识别的BP神经网络计算模型。并实测了公交和出租2种个体出行模式的识别效果,结果验证了建立的BP神经网络的有效性和实用性,为出行模式的选择预测提供了新的思路。[关键词]BP神经网络;GPS;个体出行;模式识别【中图分

2、类号】U4914【文献标识码】A【文章编号】1674—0610(2014)05—0304—03ResearchonIndividualTravelModeDetectionbyBPNeuralNetworkHEShan,ZHUJianmei(SchoolofTransportationandLogistics,SouthwestJiaotongUniversity,Chengdu,Sichuan610031,China)[Abstract]Thispapermainlystudiesindividualtra

3、velmode.BPneuralnetworkcomputingmodelforindividualtravelmodedetectionwasbuiltbasedonindividualtravelGPSdata.Thevalidityandpracti—calityoftheestablishedBPneuralnetworkisverifiedthroughtaxiandbusmodedetection.Itprovidesanewideaforpredictingtravelmodeoptions.[

4、Keywords]BPNeuralNetwork;GPS;IndividualTravel;ModeDetection0引言1个体出行分析作为交通需求预测的重要组成部分,个体出行1.1出行相关定义模式研究是城市交通规划的主要内容。一个城市的个体出行系指个体为完成某一目的,使用某一交通结构是否合理以及交通布局是否有效的与居民种(或几种)交通方式,耗用一定时间,从出发地经主要出行模式相结合,对于城市居民的出行效率、城过某一路径到达目的地的位移过程。所采用的主要市交通空间的利用具有重大影响⋯。研究居民出出行方式的组

5、合称为出行模式。将城市主要出行模行模式选择行为,对于城市交通管理和交通系统规式分为4类,即:公交模式、出租模式、自行车模式、划具有现实意义。人工神经网络由于其所具有的非步行模式。以表示公交、出租、自行车和步行模式。线性特性、大量的并行分布结构以及学习和归纳能1.2出行模式的特征分析力使其在模式识别方面得到了广泛应用。2005年本文研究的4类出行模式在运动轨迹上的特点Giulio将多层前向神经网络运用到交通模式选择研包括以下3方面:究中,并详细描述了MLFFN模型在交通需求分析中①速度范围:不同出行模式的速度分

6、布范围的应用步骤及潜力。2007年李海峰等分析了出不同,比如公交的速度明显快于步行速度;且不同的行者自身特性、出行者的出行特性、运输系统特性等出行模式之间在速度上也存在交叉区域。影响居民出行模式选择的相关因素,并建立了神经②加速度:不同出行模式的加速度也不同。网络居民出行模式选择预测模型。2009年Byon如出租模式往往比公交模式具有更大的加速度值。等通过GPS移动设备追踪出行GPS数据,并基于该③出行距离:个体通常会选择与出行距离相数据建立神经网络较成功地识别出行模式。适应的出行方式。当出行距离较短时,步行

7、是优先[收稿日期]2013—07一【5[作者简介】何山(1989一),女,四川遂宁人,硕士研究生,主要从事交通运输规划与管理等方面的研究工作。第5期何山,等:基于Bp神经网络的个体出行模式识别研究305选择;当出行距离较长时,个体会选择乘坐公交车。2建立用于模式识别的BP神经网络BP神经网络自组织、自适应、自学习的特点使其具有以任意精度逼近任意非线性连续函数的特性,从而在模式识别领域有着十分广泛的应用。GPS设备提供经度、纬度、速度、方位角、高程以及时间等出行参数,能较好地反映各出行模式的特征。选取适当GPS

8、参数作为输入向量,建立出行模式识别的BP神经网络,通过训练网络,实现出行模式的图1BP网络层数设计原理识别具有一定的可操作性。Figure1LayersdesignprinciplesofBPnetwork2.1输入输出变量选取网络层数的选择本文采用Leadtek9553D车载和手持GPS(GPS—map60csx)作为GPS数据采集端,可提供经度、纬度、速度、方位角、高程及时间等出行参数。因实验所

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。