[发明专利]一种基于BP神经网络的公交车车内拥挤度实时预测方法

权利要求书

1.一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于，包括如下步骤：

S1：获取公交车在启动时的初始运行数据和运行时的实时运行数据；

S2：建立基于BP神经网络的预测模型；

S3：将初始运行数据或者初始运行数据和实时运行数据或者除了公交车最后运行的第一运行数据外的任意连续的第二运行数据、第三运行数据分别作为输入向量输入预测模型以获取包括预测车内人数的输出向量；

S4：根据预测车内人数和公交车对应的拥挤程度等级表获取预测拥挤度。

2.如权利要求1所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：所述初始运行数据包括初始电机转速、初始车速、初始所在经度位置、初始所在纬度位置、初始电机功率和初始加速度，所述运行数据包括实时电机转速、实时车速、实时所在经度位置、实时所在纬度位置、实时电机功率、实时电机转矩和实时加速度。

3.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：所述实时运行数据和初始运行数据均为通过车载T-box获取。

4.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：步骤S1中包括对初始运行数据进行归一化处理以得到第一处理运行数据和对实时运行数据进行归一化处理以得到第二处理运行数据，把输入向量和输出向量的取值范围都归一到[0，1]。

5.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：步骤S3中具体包括：

S31：将公交线路划分为n个公交站，建立n-1个预测模型；

S32：如果公交车所处的公交站为第2个公交站，则预测模型的输入向量为初始运行数据，如果公交车所处的公交站为第3公交站，则预测模型的输入向量为初始运行数据和公交车运行至第2个公交站时的第四运行数据，如果公交车所处的公交站为第4至n个公交站中的第x个公交站，则预测模型的输入向量为第x-2个公交站对应的第五运行数据和第x-1个公交站对应的第六运行数据，其中4≤x≤n。

6.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：步骤S4中的拥挤程度等级表包括宽松等级、舒适等级和拥挤等级，所述宽松等级为小于或者等于3人/m^2，所述舒适等级为大于3人/m^2且小于6人/m^2，所述拥挤等级为大于或者等于6人/m^2。

7.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于，步骤S2中具体步骤如下：

S21：设定预测模型的输入层、输出层和隐含层；

S22：选择BP神经网络的训练函数，将输入层和输出层的数据均进行归一化处理；

S23：在实时运行数据中选取若干样本数据训练所述BP神经网络至所述BP神经网络的性能目标误差为预设值时，则预测模型建立完成。

8.如权利要求7所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：所述训练函数为trainlm函数，所述隐含层和输出层中的神经元的特性函数均采用Sigmoid函数。

9.如权利要求1或2所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：所述预测模型的隐含层的神经元的个数比输入层的神经元的个数小1。

10.如权利要求5所述的一种基于BP神经网络的公交车车内拥挤度实时预测方法，其特征在于：步骤S31和步骤S32之间包括在公交车进入预设公交站时，提取对应的预设预测模型，在公交车离开该预设公交站时获取实时运行数据或者初始运行数据。