[发明专利]一种基于BP神经网络的公交客流量预测方法

权利要求书

1.一种基于BP神经网络的公交客流量预测方法，其特征在于，包括：

从公交系统数据库获取指定时间间隔内的公交原始数据信息，根据公交原始数据信息，建立对乘客上车站点的估计模型，作为公交客流量的估计模型；

构建BP神经网络，以天气情况、乘车时间是否高峰时段、日期、当天是否为节假日作为BP神经网络的输入，以公交客流量的估计模型作为BP神经网络的训练数据，进行BP神经网络的训练，跟俄经济训练结果对公交客流量进行预测。

2.根据权利要求1所述的基于BP神经网络的公交客流量预测方法，其特征在于，公交原始数据信息至少包括：

公交IC卡数据，包括：IC卡刷卡信息、公交站点信息、行车时刻记录、公交线路信息、乘客信息；

刷卡信息，包括：刷卡编号、乘客卡号、线路号、刷卡日期、刷卡时刻、车辆号、刷卡站点；

乘客信息，包括：客卡号、姓名、出生年月、职业、卡类型；

乘坐车辆信息，包括：车辆号、发车日期、发车时刻、发车站点、到站日期、到站时刻、到达站点；

线路信息，包括：线路号、线路站点次序编号、公交站点名称。

3.根据权利要求2所述的基于BP神经网络的公交客流量预测方法，其特征在于，在根据公交原始数据信息，建立对乘客上车站点的估计模型的步骤中，包括步骤：

对同一公交车上刷卡乘车的乘客的刷卡时间数据进行聚类分析，确定乘客的乘车站点，将同一站点上车的乘客归为一类，不同站点乘车的乘客归为不同类；

根据乘客归类的类型数量，结合公交车在类间时间段内的行驶距离与公交线路站点间的固定距离进行乘客上车站点的估计。

4.根据权利要求3所述的基于BP神经网络的公交客流量预测方法，其特征在于，在对同一公交车上刷卡乘车的乘客的刷卡时间数据进行聚类分析，确定乘客的乘车站点的步骤中，包括步骤：

选取线路信息中的一条公交线路的一趟公交车，其行驶的总站点数设定为S，站点序列为s＝(1,2,3,…,S)；

第i个站点到第i+1站点之间距离设为d(i，i+1)，该线路由始发站到终点站的全程距离为D，则有

记T为公交车一次出行的全程行驶时间，则

T＝(t₁-t_n)+ε

其中，t₁为第一个乘客的刷卡时间，t_n为最后一个乘客的刷卡时间，ε为调整系数；

公交车行驶的平均速度记为V，V＝D/T；

依次统计公交线路上相邻两个站点间的距离d(i，i+1)，取其中的最小值，标记为D_min，那么聚类的最小值即为公交车以V的平均速度行驶D_min所用的时间，记为T_min；

计算一辆公交车在一次行驶过程中所记录的刷卡时间序列的相邻两次刷卡时间的差值，将得到一个表示时间差的数组序列，将此序列内的每一项依次与最小时间T_min做比较，当相邻两次刷卡时间的差值大于或等于最小距离T_min时，则这两次刷卡时间分别在不同的两个站点被记录，对应的两位乘客则分别在不同的两个站点上车，应归为不同的两类；当相邻两次刷卡时间的差值小于最小距离T_min时，则这两次刷卡时间是在同一个站点被记录，对应的两位乘客则在相同的一个站点上车，归为同一类。