[发明专利]一种城市中心区路边停车需求分析预测方法

摘要

本发明公开了一种城市中心区路边停车需求分析预测方法，采集近三个月中心区路边停车设施的相关数据，建立人工神经网络，对人工神经网络的参数β进行变异操作，得到改进的人工神经网络；将待预测目标数据的历史数据作为原始数据，经过数据纵向对比处理以及归一化后，把处理过的数据作为训练样本输入改进的人工神经网络；选择与验证样本误差最小的一组对应的改进的人工神经网络模型作为训练模型输入待预测数据进行预测，得到待预测日的停车需求泊松分布参数；将拟合得到的城市路边路边停车需求模型，应用于实际停车场，对路边停车需求时间进行预测。本发明的有益效果是可为城市中心区路边停车需求的分析预测提供可行方案，据有良好的实用性。

主权项

1.一种城市中心区路边停车需求分析预测方法，其特征在于按照以下步骤进行：步骤(1)：采集近三个月中心区路边停车设施的相关数据，包括停车场的具体位置、车辆驶入和驶离停车带的时刻、停车场泊位数、停车场的计费，用以代入Elman人工神经网络进行训练；步骤(2)：建立Elman人工神经网络，设定人工神经网络输入层神经元个数、输出神经元个数、网络迭代次数、神经元激励函数形式、动态参数、允许误差预测参数；步骤(3)：基于遗传算法的变异思想，引入稳态自适应变异机制对Elman人工神经网络的参数β进行变异操作；步骤(4)：设定改进的Elman人工神经网络的初始隐含层神经元数及层数；步骤(5)：将待预测目标数据的历史数据作为原始数据，经过数据纵向对比处理以及归一化后，把处理过的数据作为训练样本输入改进的Elman人工神经网络；返回步骤(4)，重新设置改进的Elman人工神经网络的最优隐含层神经元数及层数，带入训练样本到改进的Elman人工神经网络进行训练；步骤(6)：对比通过设置不同的初始隐含层神经元数获得的不同组训练结果，选择与验证样本误差最小的一组对应的改进的Elman人工神经网络模型作为训练模型；步骤(7)：在训练模型中输入待预测数据进行预测，得到待预测日的停车需求泊松分布参数；步骤(8)：将拟合得到的城市路边路边停车需求模型，应用于实际停车场，对路边停车需求时间进行预测。