基于BP神经网络的公交周转时间预测研究

公交周转时间是制定公交行车作业计划的关键参数,公交周转时间的精确预测也是提高公交服务水平的重要保证。文章基于公交运行的动态随机性,运用数据挖掘有序样本聚类算法,研究了对公交周转时间影响较大的动态因素,分析了全天时段每个时间窗内周转时间的分布特征,建立了基于BP神经网络的公交周转时间预测模型;通过实例分析验证了模型的有效性和精度。结果表明:公交周转时间的分布特征主要受时段、天气状况、节假日或大型活动、星期、季节月份等动态因素的影响,通过划分时间窗可知,同一时间窗内的公交转时间近似呈正态分布;BP神经网络预测模型可有效地揭示公交周转时间和各动态因素之间的非线性关系,通过实例分析,预测公交周转时间的平均绝对百分比误差为5.69%,具有较高的预测精度。