在信息技术高速发展的今天，神经网络技术应用于各个行业，在公交领域的各种预测起着重要作用，主要在车辆行车时间预测、客流预测、公交综合评价预测等几个方便应用，实现公交精准预测，提升公交服务管理水平。
1、概述
人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。公交运营包含车辆、线路、站点等信息，属于典型的神经网络型结构，并结合智能调度系统实现运营状态合理调整，确保车辆运行的均衡有序，最大满足乘客出行需求。
神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理，人工神经网络具有非线性、非局限性、非常定性、非凸性四个基本特征。
2、神经网络算法原理
神经网络由一个input layer，多个hidden layer和一个output layer构成，神经网络的重要工作是设计hidden layer，及神经元之间的权重；添加少量隐层获得浅层神经网络SNN；隐层很多时就是深层神经网络DNN。由于神经网络技术操作简单且效果明显，因此在许多领域中已经得到成功应用。
神经网络结构如下所示：
神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理，人工神经网络具有非线性、非局限性、非常定性、非凸性四个基本特征。
3、神经网络算法应用
（1）公交行车时间预测
公交车辆行车时间的预测是智能调度系统的重要组成部分，将神经网络算法应用到公交车到达时间的预测，能够为乘客提供更准确的候车时间，更好地提升公交服务质量。
利用智能调度定位数据对神经网络进行建模，实现公交车辆行程时间的准确预测。首先对选择样本数据进行初始化，然后使用反向传播算法对网络有权值和偏差进行调整训练，使输出的向量与期望向量尽可能接近。神经网络集有多个个体神经网络组成，根据预测问题选择预测方法，主要包括回归问题预测和分类问题预测。神经网络算法流程图如下：
（2）客流预测
根据神经网络建模思路实现客流预测功能，首先确定影响客流的因素并对初始数据进行参数设置，既包括车辆数、人口、居民收入等可量因素，也包括环境、城市特征等不可量因素。然后进行网络输入，对可量数据和不可量数据进行预处理，将其进行归一化，比如线性化处理，计算出预测值后，再按反向规则进行变换，数据预处理后在进行遗传神经网络训练。
（3）公交综合评价预测
通过神经网络对公交综合评价模型结果进行预测，从而提升公交规划评价体系和城市管理水平。神经网络是一种多层次反馈性网格，能够更好地预测公交评价结果，首先输入数据传到隐含层节点，经过计算分析后，再把结果传到输出节点，最终再输出结果。
首先选择评价指标参数，构建评价模型，然后应用神经网络算法对模型进行处理，对数据参数规划化处理以及网络算法的实现，较好的模拟公交综合评价的过程，最终完成预测值与评价值进行对比分析。
4、结语
公交企业通过神经网络算法技术实现智慧化管理,将采集的数据进行处理整合，实现车辆精准预测、车辆动态管理，减少公交规划和管理的盲目性，更好地为管理决策提供技术支撑。
参考文献
[1]彭新建 翁小雄 基于萤火虫算法优化BP神经网络的公交行程时间预测
[2]夏贵荣 神经网络集成在公交行驶时间预测中的研究与应用
[3]李淑庆 姜海艳 王芳 遗传神经网络在公交客流预测中的应用研究
[4]陈桂福 陈丹妮 基于BP神经网络的南平公交综合评价模型研究
[5]百度百科
来源：济南市城市交通研究中心、城市公共交通
