[发明专利]一种基于神经网络的轨道交通实时客流预测方法

权利要求书

1.一种基于神经网络的轨道交通实时客流预测方法，其特征在于：所述方法包括：

(1)从自动售检票系统采集n个历史数据作为原始样本，对原始样本进行预处理得到预处理样本；

(2)依据步骤(1)中预处理样本，依据非线性自回归神经网络，建立关于时间序列的短时客流预测模型p(t)，所述非线性自回归神经网络包括输入层、输入滞时、隐藏层、输出层及输出滞时：

p(t)=f(p(t-1),p(t-2),...,p(t-n),W)=f[p(t),W],]]>

(3)根据步骤(2)中短时客流预测模型p(t)，以及训练算法，进行实时客流预测，所述实时客流预测包括短时客流预测、高峰预测及代表性的客流分布站点预测；

其中，t表示时间，p表示客流量，延时阶数n为正整数，W表示权重矩阵。

2.根据权利要求1所述的基于神经网络的轨道交通实时客流预测方法，其特征在于：所述步骤(2)中非线性自回归神经网络的第j个神经元输出为N_j，f为激励函数：

Nj=f(Σi=1nwijxi+aj),j=1,2,...,l:]]>

所述非线性自回归神经网络的激励函数为LM函数、BFG函数、RP函数、SCG函数及GDX函数中任意；

其中，i表示输入数据量，l表示隐藏层神经元数量，f表示隐藏层激活函数，w_ij表示第i个输出时间延迟信号与隐藏层第j个神经元间的连接权值，a_j表示第j个隐藏层神经元阈值。

3.根据权利要求2所述的基于神经网络的轨道交通实时客流预测方法，其特征在于：所述隐藏层数量为1，隐藏层神经元数量l＝20。

4.根据权利要求2所述的基于神经网络的轨道交通实时客流预测方法，其特征在于：所述训练算法为SCG算法。

5.根据权利要求2所述的基于神经网络的轨道交通实时客流预测方法，其特征在于：所述激励函数为S型函数。

6.根据权利要求5所述的基于神经网络的轨道交通实时客流预测方法，其特征在于：所述激励函数为T Elloit S函数。