基于機(jī)器學(xué)習(xí)方法的城市對外客運(yùn)交通需求預(yù)測研究.pdf

1、城市對外客運(yùn)交通需求預(yù)測是城市開展城市綜合交通系統(tǒng)規(guī)劃與設(shè)計(jì)的基礎(chǔ)工作，合理準(zhǔn)確的交通需求預(yù)測可為城市的對外客運(yùn)樞紐系統(tǒng)選址、布局、方案比選等工作提供數(shù)據(jù)支撐，實(shí)現(xiàn)既滿足城市居民出行需求，又節(jié)約項(xiàng)目建設(shè)資金的目標(biāo)。由于對外客運(yùn)需求預(yù)測研究中相關(guān)影響因素之間存在日趨增加的相關(guān)性關(guān)系以及統(tǒng)計(jì)數(shù)據(jù)中的異常值等原因，傳統(tǒng)的時(shí)間慣性與相關(guān)因素原理預(yù)測模型表現(xiàn)欠佳。近幾年由于社會(huì)統(tǒng)計(jì)工作的逐漸完善，可供選擇研究統(tǒng)計(jì)數(shù)據(jù)不斷積累增多，為學(xué)者使用新型方

2、法進(jìn)行研究提供了相關(guān)基礎(chǔ)。
　　本文采用機(jī)器學(xué)習(xí)中降噪自編碼、隨機(jī)森林兩種方法進(jìn)行交通需求預(yù)測，以緩解淺層機(jī)器學(xué)習(xí)方法在交通需求預(yù)測問題中的不足。首先引入深度學(xué)習(xí)理論中降噪自編碼方法：降噪自編碼方法通過數(shù)據(jù)的逐層自編碼、解碼過程獲得良好的交通需求預(yù)測網(wǎng)絡(luò)初始化參數(shù)，使得網(wǎng)絡(luò)初始總體損失值較優(yōu)，緩解了淺層需求預(yù)測方法的局部極值與梯度彌散問題。此外人工主動(dòng)隨機(jī)噪聲，迫使網(wǎng)絡(luò)在輸入包含噪聲的情況下重構(gòu)原始輸入，進(jìn)而訓(xùn)練所得交通需求預(yù)測網(wǎng)

3、絡(luò)魯棒性、泛化能力更強(qiáng)，不易過擬合。另外考慮對外客運(yùn)出行需求的相關(guān)影響因素間的關(guān)聯(lián)性和時(shí)間慣性，將時(shí)間序列數(shù)據(jù)研究中的窗口滑移與機(jī)器學(xué)習(xí)中的隨機(jī)森林方法相結(jié)合，提出時(shí)間窗-隨機(jī)森林組合方法的對外客運(yùn)總體需求預(yù)測方法。隨機(jī)森林方法在訓(xùn)練過程中共進(jìn)行兩重隨機(jī)過程，第一重隨機(jī)為在宏觀交通相關(guān)數(shù)據(jù)總體訓(xùn)練樣本中隨機(jī)抽取部分樣本訓(xùn)練決策樹模型，未被抽取數(shù)據(jù)用以評價(jià)所得交通需求決策樹預(yù)測模型泛化性能，多次隨機(jī)抽樣獲得多顆決策樹構(gòu)成交通需求預(yù)測森林模

4、型；第二重隨機(jī)為在單棵決策樹節(jié)點(diǎn)分裂過程中隨機(jī)選取部分屬性。兩重隨機(jī)過程使得模型過度擬合特定樣本的概率大大減少，預(yù)測模型的泛化性增強(qiáng)。同時(shí)以北京市宏觀經(jīng)濟(jì)影響因素?cái)?shù)據(jù)集為基礎(chǔ)進(jìn)行實(shí)例分析，模型精度良好，驗(yàn)證了方法的可行性和有效性，可運(yùn)用于對外客運(yùn)需求預(yù)測工作。
　　本研究側(cè)重基于機(jī)器學(xué)習(xí)方法的對外客運(yùn)需求預(yù)測，分別從方法由來、數(shù)學(xué)原理與方法實(shí)現(xiàn)等方面進(jìn)行了詳細(xì)闡述，可對省份、城市等范圍區(qū)域進(jìn)行交通運(yùn)輸發(fā)展規(guī)劃研究工作提供參考與借鑒