基于神经网络和模式识别的换乘方式选择模型.pdfVIP

第27卷第 4期 华 中 科 技 大 学 学 报 (城市科学版) V0】．27No．4 2010年 12月 J．ofHUST．(UrbanScienceEdition) Dee．2010 基于神经网络和模式识别 的换乘方式选择模型 覃 甭，宗传苓 (深圳市城市交通规划设计研究中心有限公司，广东 深圳 518034) 摘 要：针对非集计交通预测模型效用函数难以确定的问题，研究综合客运枢纽规划设计换乘方式选择预测的 模型和方法。根据人的决策思维过程，将换乘方式选择行为分为需求特性识别和换乘方式识别两个阶段，建立 基于模糊神经网络的需求特性识别以及基于模糊模式识别的换乘方式识别的两阶段预测模型，提出模型构建 思路和方法以及模型检验方法。结合厦深铁路深圳东站综合枢纽详细规划案例进行分析，得到铁路旅客选择 轨道交通、常规公交、出租车、私人小汽车以及步行等换乘方式的概率分别为 0．308、0．299、0．126、0．083和0． 184，说明该模型具有较好的可行性。 关键词：换乘方式选择； 模糊神经网络； 模糊模式识别； 需求特性识别； 换乘模式识别 中图分类号：U491．14 文献标识码 ：A 文章编号：1672-7037(2010)04-0048-05 换乘方式选择预测是进行综合客运枢纽详细 个体需求特性必定对应于一个与其匹配度最高的 规划设计的基础性工作，一般借鉴交通方式划分 换乘方式。 模型分析思路建立换乘方式选择预测的非集计模 1．1 资料调查 型 ¨ 。虽然，非集计模型建立在换乘效用最大 调查内容包括乘客个体特性与出行换乘特性 化行为假说的基础上，具有较强的逻辑性。但是， 问卷调查、乘客对换乘方式服务属性需求意向调 人的决策过程是一个非常复杂的过程，简单的效 查以及换乘方式服务属性调查等内容。 用函数难以准确衡量人的价值取向。因此，不同 1．2 调查资料整理 乘客对不同选择肢的换乘效用是很难确定的 J。 首先将乘客的个体特性及 出行换乘特性调查 模糊模式识别与模糊人工神经网络等人工智能方 资料与服务属性需求意向调查资料配对，并将有 法为这一问题解决提供了良好的途径，两者结合 效调查数据分成学习样本集与检验样本集，分别 所构造的模型，不仅具有处理不精确性和不确定 用于网络模型的学习和检验。 性的能力，还具备学习和记忆的能力，用来模拟换 其次将个体特性和出行换乘特性中的连续性 乘方式选择行为是非常合适的。 变量模糊化，建立相应模糊集的隶属函数 J。 根据人的决策思维过程 ，将换乘方式选择行 再是将个体特性和出行换乘特性中的选择性 为分为两个阶段 ，一是需求特性识别阶段 ，即根据 变量进行二进制编码。假设共有 n种可供选择 的 个体属性与出行换乘特性找出乘客对换乘方式服 情形，则编码位数为 int[1og：(n一1)+1]。 务属性的要求；二是换乘方式识别阶段，即根据需 再次是建立各种服务属性的模糊集，并对每 求特性与各方式的服务屙陛寻找最佳匹配的换乘 个乘客的服务属性需求意向模糊化 ，确定各个需 方式。在此基础上，建立基于模糊神经网络的需 求意向对相应模糊集的隶属度。 求特性识别以及基于模糊模式识别的换乘方式识 最后建立各换乘方式与服务属性模糊特征的 别的两阶段换乘方式选择预测模型。 对应规则，确定各换乘方式各种服务属性对相应