改进小波神经网络在城市轨道交通客流预测中的应用研究-交通信息工程及控制专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成 果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研 究成果，也不包含获得 兰州交通大学 或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 兰州交通大学 有关保留、使用学位论文的规定。特授权 兰州交通大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影 印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机 构送交论文的复印件和磁盘。 （必威体育官网网址的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 兰州 兰州交通大学硕士学位论文 摘 要 城市轨道交通具有准点率高、速度快、运量大、运距长、舒适度高、受外界影响小、 资源消耗少的特点，不仅满足了居民出行的新要求，还能有效的缓解城市公共交通拥堵 现象，并起到为城市节能减噪、改善大气环境的作用，逐步成为出行者主要选择的公共 交通方式。随着城市轨道交通系统的逐步发展，路网规模的日渐完善与扩大，会吸引更 多的出行者，而随着客流量的与日俱增，城市轨道交通车站站点会出现客流过度饱和的 状态；且在既缺乏客流分布的详细信息又缺少以精准的客流预测方法为基础的客流诱导 的情况下，出行者将会大量的集中在时间或距离最短的道路上，造成车厢拥挤，换乘拥 堵的现象，且运力配置、客运组织也难以有效实施，站内突发事件预警及疏散方案亦无 法准确制定。因此，对城市轨道交通短期客流预测进行研究具有重大意义。本文以郑州 轨道交通 1 号线二七站的实测客流为基础，围绕短期客流预测问题，进行如下研究工作： 首先，对城市轨道交通路网客流的时间、空间分布特性进行总结，为后文的短期客 流预测打下基础。 其次，总结短期客流预测的方法，分析各种方法的长短板及适用性。针对具有高度 复杂性、随机性、非线性以及不确定性的城市轨道交通短期客流预测问题，相较于传统 的预测方法，WNN(Wavelet Neural Network,小波神经网络)作为新型的非线性函数逼近 工具，具有明显的优势，确定使用 WNN 对短期客流进行预测，并对 WNN 的基本原理、 结构及算法步骤做简单阐述。 再次，利用聚类分析和 Spearman 相关系数法对原始客流数据、相关影响因素进行 预处理，保证输入与输出的合理性、可靠性，在一定程度上也提高了 WNN 的训练能力。 最后，针对 WNN 预测效果的不稳定性以及预测精度略低等不足之处，提出 SFLBAWGM(Shuffled Frog-Leaping Bat Algorithm with Gauss Mutation,带有高斯变异的 混合蛙跳蝙蝠算法)，用于对 WNN 初始参数组合的前期优化，弥补 WNN 中梯度下降法 对初始参数较敏感的缺点。仿真结果表明，SFLBAWGM 相较于 BA(Bat Algorithm,蝙蝠 算法)、SFLA(Shuffled Frog-Leaping Algorithm,混合蛙跳算法)以及部分参考文献所涉及 的改进算法具有明显的优势；且对短期客流的实例预测结果表明，本文构建的预测模型 的预测结果最为接近实测客流数据。 关键词：城市轨道交通；短期客流预测；小波神经网络；蝙蝠算法；混合蛙跳算法 论文类型：应用基础研究 I - 改进 改进小波神经网络在城市轨道交通客流预测中的应用研究 Abstract Urban rail transit has many points of advantage: high punctuality rate and speed, large quantity and long distance of transportation, high comport, low source consumption and little outside affected by outside. It not only meets the new travel requirement of the residents, but also can effectively alleviate the urban public traffic congestion phenomenon. Moreover, it also makes contribution to energy saving, noise reduction and the improvement of the atmosp