做座基于Elman动态神经网络的公交到站时间

基于Elman动态神经络的公交到站时间预测

以智能交通系统为背景，结合福州市区实际公交运}J：特性，庄人垡实测数据的基础上，提出基于Ehnan神经络的公交车辆到站时间预测方法，并以福州市第312路公交车进行验证，结果表明该模型比BP神经络的预测模型计算量小、能够较准确地进行公交到站时间预测。

随着我国城市化进程的不断推进，城市交通量急剧增加，交通拥挤和交通堵塞同趋严重，而公交优先将是缓觯我国大城市交通压力的有效途径，许多学者均在为建立智能交通系统f（Intellig ent Trmlsportation System s，ITS)而努力，而预测公交车辆的行程时例和行驶速度将是实施公交优先的重要前提。日前，行程并对枞阳县金誉金属材料有限公司生产所产生的铝箔、铝板废角料实现循环再利用时例预测方法主要有历史趋势方法、m非参数叫归方法、Kallilall滤波方法、Fuzzy回归法、交叉技术法、随机排队理论法和宏观延误法等。笔者在分析城市交通路的复杂性和不确定性的基础上，提出一种基于Ehnml神经络的公交车辆到站时例预测方法，结合福州市区闽运第312路公交车的实际案例进行预测检验，得到较好的预测效果。

Elman动态神经络

Ehnml络是一种典型的动态神经元络，它在BP络的输入层、隐含层和输出层基础上，增加了一个承接层(如图l所示)。输入层单元仅起号传输作用，输出层单元起线性加权的作用，隐含层单元可以是线性或1F线须在塑料袋上打上QS标识性激活函数，而承接层用r记忆隐含层过去的状态，并且在卜一时刻连同络输入一起作为隐含层单元的输入，相当于不合格不合规产品上墙监管不力状态反馈，具有一步延迟的特性，从而使得部分递归络具有动态记忆功能。Ehnml络无须存储所有的输入信息却能在络中反映出所有历史信号对当前系统的影响，适合用来建立时例序列的预测模型。设Ehnml络输入矢量为“(七)，输出矢量为v(七)，隐含层输出矢量为工(七)，承接层输出矢量为，则Ehnall络输入输出关系为：

其中，w为承接层到隐含层的连接权值；价格便宜w2为输入层到隐含层的连接权值；w3为隐含层到输出层的连接权值；fx(.)为隐含层神经元的传递函数；甙-)为输出神经元的传递函数。