趙戊辰，張玉茹

(哈爾濱商業(yè)大學(xué)，哈爾濱 150028)

BP神經(jīng)網(wǎng)絡(luò)用于停車場空余泊位的預(yù)測研究

趙戊辰，張玉茹

(哈爾濱商業(yè)大學(xué)，哈爾濱 150028)

采用BP神經(jīng)網(wǎng)絡(luò)，對停車場的空余泊位數(shù)量進(jìn)行了預(yù)測，并針對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中易震蕩、收斂速度過慢和容易陷入局部最小的缺點，采用BP動量法與調(diào)節(jié)學(xué)習(xí)速率相結(jié)合的方法對其進(jìn)行改進(jìn).通過仿真驗證了BP神經(jīng)網(wǎng)絡(luò)對停車場空余泊位數(shù)預(yù)測的有效性，為區(qū)域的停車誘導(dǎo)提供了依據(jù).

空余泊位數(shù)量；BP神經(jīng)網(wǎng)絡(luò)；預(yù)測

近年來，我國城市居民私家車擁有量急劇上升，停車難的問題顯得越來越突出和嚴(yán)重，如何高效、合理、更為人性化地進(jìn)行停車誘導(dǎo)，對于緩解交通壓力及有效地利用車位有著重要的作用，并對現(xiàn)代化的發(fā)展有著巨大的意義.

目前，停車誘導(dǎo)系統(tǒng)主要功能是在分級指示的停車誘導(dǎo)顯示牌上顯示相應(yīng)停車場的行車路線和可供停車的空余泊位信息[1].由于停車信息是時刻動態(tài)變化的，當(dāng)駕駛員看到停車誘導(dǎo)信息時的有效泊車位與車輛到達(dá)指定停車地點后的實際空余泊位情況，往往有很大出入，這樣勢必會引起很大的麻煩.本文主要研究智能停車場管理系統(tǒng)中空余泊位數(shù)量預(yù)測問題，在預(yù)測的基礎(chǔ)上實現(xiàn)區(qū)域內(nèi)的停車誘導(dǎo).

1 BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建與改進(jìn)

空余泊位預(yù)測的問題，屬于時間序列預(yù)測問題中的一種，現(xiàn)有的時間序列預(yù)測算法有，移動平均法、分解法、季節(jié)法、卡爾曼濾波法等[2].但以上的方法一般都假設(shè)預(yù)測的各個值之間是呈現(xiàn)一種線性的關(guān)系，而停車場空余泊位數(shù)據(jù)，是一種隨機(jī)的，非平穩(wěn)的數(shù)據(jù)，所以基于以上的方法來預(yù)測，一般達(dá)不到預(yù)測的精度和想要的預(yù)測效果.近年來神經(jīng)網(wǎng)絡(luò)在預(yù)測方面應(yīng)用的越來越多，本文所采用的BP神經(jīng)網(wǎng)絡(luò)可以擬合非線性映射，用于空余泊位數(shù)的預(yù)測效果更好[3].針對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易出現(xiàn)震蕩和陷入局部最小等缺點，本文引入動量BP法和調(diào)整學(xué)習(xí)速率的方法對其進(jìn)行了改進(jìn).

1.1 網(wǎng)絡(luò)層數(shù)的確定

BP神經(jīng)網(wǎng)絡(luò)本身可以包含很多個隱含層，但是，現(xiàn)有理論證明[4]，包含單個隱含層的BP神經(jīng)網(wǎng)絡(luò)，通過增加隱含層的神經(jīng)元個數(shù)，就可以實現(xiàn)對任意非線性的映射[5]，所以，本文采用單隱層的BP神經(jīng)網(wǎng)絡(luò)，即，網(wǎng)絡(luò)共包含三層：輸入層、單隱層和輸出層.

本文用t-40、t-30、t-20、t-10、t來預(yù)測t+10時的空余泊位數(shù)量，故輸入層和輸出層的節(jié)點數(shù)分別為5和1.

本文采用試湊法，最終確立隱含層神經(jīng)元的個數(shù)為5.

1.2 傳遞函數(shù)的選擇

本文隱含層選用的傳遞函數(shù)為Log-Sigmoid函數(shù)：

本文輸出層選用的傳遞函數(shù)為Purelin函數(shù)：

y=x

1.3 對權(quán)值更新的改進(jìn)

本文采用動量BP法對標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值更新公式進(jìn)行改進(jìn)：

Δω(n)=-η(1-α)e(n)+αΔω(n-1)

與標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)算法相比，上式中多出一項，使得權(quán)值更新的方向與上一次有關(guān)，前后兩次梯度方向相同，則可以加速收斂，不同，則可以防止震蕩的發(fā)生，本文經(jīng)實驗取值，最終確定α=0.9.

1.4 對學(xué)習(xí)速率的改變

在標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)中，它學(xué)習(xí)速率是一個常數(shù)，而學(xué)習(xí)速率的選擇，對網(wǎng)絡(luò)的性能影響巨大，學(xué)習(xí)速率過大，網(wǎng)絡(luò)會發(fā)生震蕩，過小，網(wǎng)絡(luò)收斂則變慢.本文通過增加一個增量因子kinc和kdec一個減量因子來調(diào)整學(xué)習(xí)速率：

本文經(jīng)實驗最終確定kinc=1.00,kdec=0.8

2 實驗過程

本文采用數(shù)據(jù)為廣州市五月花停車場某一時間段連續(xù)兩天的空余泊位數(shù)據(jù)，見表1、2.

表1 廣州市五月花商業(yè)停車場空余泊位數(shù)據(jù)(2014.03.10)

表2 廣州市五月花商業(yè)停車場空余泊位數(shù)據(jù)(2014.03.11)

2.1 對泊位數(shù)據(jù)進(jìn)行歸一化處理

由于空余泊位數(shù)的數(shù)值很大，所以要進(jìn)行數(shù)據(jù)的歸一化處理，以防止網(wǎng)絡(luò)的癱瘓，歸一化的公式為：

xmin為一段時間內(nèi)，停車場空余泊位數(shù)據(jù)的最小值，xmax為最大值.歸一化后的數(shù)據(jù)的表格為表3、4.

歸一化的還原公式則為：

xi=xi×(xmax-xmin)+xmin

表3 對表1進(jìn)行歸一化處理后的數(shù)據(jù)

表4 對表2進(jìn)行歸一化處理后的數(shù)據(jù)

2.2 利用Matlab實現(xiàn)空余泊位數(shù)的預(yù)測

表3作為訓(xùn)練樣本，表4作為測試樣本，Matlab仿真結(jié)果如圖1.

圖1 實際空余泊位數(shù)與預(yù)測空余泊位數(shù)折線對比圖

圖1中帶o的線為實際的停車場空余泊位數(shù)量折線圖，帶×號的線為本文得出空余泊位預(yù)測折線圖，帶+號的為直接用標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)來預(yù)測的折線圖，帶*號的線為只采用動量BP法預(yù)測的折線圖.從這四條折線圖可以看出，本文所改進(jìn)的方法預(yù)測效果更佳.

采用動量BP法和調(diào)整學(xué)習(xí)速率的方法，使得BP神經(jīng)網(wǎng)絡(luò)對于空余泊位數(shù)的預(yù)測效果，更加精確.

3 結(jié) 語

空余泊位數(shù)量預(yù)測模型的實現(xiàn)，為駕駛員提供了有效的空余泊位預(yù)測信息，從而駕駛員可以朝空余泊位數(shù)量較多的停車場前行，這樣就實現(xiàn)了區(qū)域內(nèi)的停車誘導(dǎo)，為停車場內(nèi)部的停車誘導(dǎo)提供幫助.

[1] 趙崧淞.區(qū)域停車誘導(dǎo)系統(tǒng)誘導(dǎo)標(biāo)志布局及設(shè)計[D].北京：北京交通大學(xué)，2014.

[2] 王麗賢.時間序列預(yù)測技術(shù)研究[D].天津：天津理工大學(xué)，2011.

[3] MIRIKITANI D T, NIKOLAEV N. Recursive Bayesian Recurrent Neural Networks for Time-Series Modeling [J]. IEEE Transactions on Neural Networks, 2010, 21(02): 262-274.

[4] 李友坤.BP神經(jīng)網(wǎng)絡(luò)的研究分析與改進(jìn)應(yīng)用[D]. 淮南：安徽理工大學(xué)，2012.

[5] 吳迎賓，翁小雄.一種新的路邊停車收費模式[J].哈爾濱商業(yè)大學(xué)學(xué)報：自然科學(xué)版，2013，29(2)：225-227，236.

Application research of parking lot free parking number prediction based on back propagation neural network

ZHAO Wu-chen, ZHANG Yu-ru

(Harbin University of Commerce, Harbin 150028, China)

This paper used the BP neural network for the prediction of parking lot free parking number. In the process of the BP neural network training, used the BP momentum method combined with self-adjusting learning rate to improve the basic BP neural network which was easy to appear shocking, convergence speed slowing and trapping in local minimum. The effectiveness of the improved BP neural network on the free parking number prediction was verified by simulation providing a basis for regional parking guidance.

free parking number; BP neural network; prediction

2014-06-17.

黑龍江省智能教育與信息工程重點實驗室開放基金項目(SEIE2014-3).

趙戊辰(1988-)，男，碩士，研究方向：信號檢測與信息處理.

張玉茹(1964-)，女，碩士，教授，研究方向：信號檢測與信息處理.

U491

A

1672-0946(2015)01-0044-03