[发明专利]一种基于BP神经网络的公交客流量预测方法

说明书

本发明提供了一种基于BP神经网络的公交客流量预测方法，通过对乘客乘车记录建立数据仓库，分析线路的客流量，利用聚类分析对各线路站点乘客上车人数进行统计，特别是在一些站点没有刷卡记录的情况下，如何实现刷卡记录与站点进行精确匹配；利用神经网络对客流量进行预测分析，根据预测结果对公交车辆进行合理调度，这样使得公交的调度水平提高到一个比较理想的高度，提高公交调度管理水平，提高乘客乘车的满意度，满足市民的出行。

技术领域

本发明涉及数据统计领域，具体而言，涉及一种基于BP神经网络的公交客流量预测方法。

背景技术

随着我国城市规模不断扩大，城市交通问题日益严峻，发展公共交通已经得到社会各界的广泛认同。制定既适应城市发展要求又满足城市居民需求的公共交通规划，是当前各大、中城市的重要问题之一。公共交通客流量数据是制定公共交通规划的前提和基础；公共客流量预测是规划是否科学、合理的基本保障。

传统的公交调度方法是按照出行计划固定进行调度，公交车发车间隔时间基本上是固定的。智能调度是指按照公交乘客客流量的变化而展开的调度工作。如在乘客出行高峰期安排车辆需要多点，而在平峰期可以适当地减少车辆。这样才能在公交运力比较紧张的情况下，最大限度地满足乘客乘车需求。对于乘客来说，在高峰上班期间因为客流量大，乘客多，造成乘坐公交舒适性差、甚至会赶不上公交车辆而造成上班迟到，从而造成乘客对公交的满意度降低，所以迫切需要一套公交客流预测系统，来解决对于公交客流的预测问题。

国内大多数公交客流调查采用问卷调查的方式进行，例如组织专门人员设计调查表，在大街小巷发放调查表进行客流调查，这种调查方式既费时又费力，需要安排大量的人力物力，而最后的效果也不太理想。

目前国内绝大部分城市的公交建立IC收费管理系统，但是这些收费系统大部分用来对乘客乘车进行刷卡消费，没有对消费的记录进行认真分析和研究，更没有对乘车记录进行进一步的挖掘。

发明内容

本发明提供了一种基于BP神经网络的公交客流量预测方法。

本发明是这样实现的：提供了一种基于BP神经网络的公交客流量预测方法，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。

进一步地，在本发明较佳的实施例中，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。

其中，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。