基于神经网络客流预测的高峰期公交时刻表优化

• 作者: 江志彬 谷金晶
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 BP神经网络 RBF神经网络 时刻表优化 评价模型
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 交通规划与管理
• 页码范围: 109-114
• 页数: 6页
• 分类号: U492.2
• 字数: 4349字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2017.02.016

摘要

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江志彬	同济大学交通运输工程学院	39	640	14.0	24.0
5	谷金晶	同济大学交通运输工程学院	3	14	2.0	3.0