都市快轨交通·第29卷第3期2016年6月 doi;10. 3969/j. issn. 1672 -6073. 2016. 03. 010
《学术探讨
基于 GRNN 神经网络的地铁疏散预警及对策研究
马成正！姜秋耘2
（1.柳州铁道职业技术学院运输管理学院广西柳州545007；2.南京地铁运营有限责任公司南京210012）
摘要针对国内地铁车站客流无序性和突发性的现状，提出基于广义四归神经网络CRNN的地铁车站客流预警模型。以南京地铁全线网某时段客流数据为输入样本，运用CRNN神经网络进行调练与测试，得出预测数据并对比实际数据进行误差分析。结果表明：预测数据拟合，精度可行。将预测数据与南京地铁实时客流预警系统相结合，提出突发性大客流应急情况下的运营服务对策措施，为地铁运营管理单位避免突发大客流造成人员踪踏、恐慌等事故提供参考。
关键词地铁；神经网络；误差分析；客流预警；对策
中图分类号U231TP181
文献标志码A
1672-6073(2016)03 0037-05
文章编号
目前，大型城市正逐渐形成以地铁为骨干、公交为辐射、出租车为补充的公共交通出行方式，其中地铁又具有准点、快捷、安全、舒适的独特优势，在追求能耗小、污染少、运量大的社会综合效益背景下，世界上许多国家都确立了优先发展轨道交通的方针，大量高精尖设备及工程技术人员云集在地铁建设及运营的一线[1-3]。而地铁车站周边往往规划建设密集的商场、写字楼、大型活动场馆等建筑，极易形成局部大规模客流的突然聚集与消散。突发大客流的产生，往往是在较短时间、较小范围内聚集大量超出车站，尤其是换乘车站运输能力的客流，加之在多线运营的地铁城市，大规模客流已由简单的孤线单站聚散模式向深度网络化区域性聚散模式转变[46]。当突发大客流超过车站的
收稿日期：2015-09-17修回日期：2015-12-08
作者简介：马成正，男，副教授，硕士，主要从事轨道交通行车组织与运
营安全等领域的教学与科研工作，24416358@qq.com
基金项目：广西壮族自治区教育厅科研基金项目(2014YB565)
承载能力时，如疏散不畅，极易形成客流交叉拥堵，甚至产生恐慌性躲踏等安全事故。因此，建立地铁车站客流预警机制，并制订合理的应急疏散和运营组织方案，对保障地铁运营的安全、顺畅具有十分重要的意义。
地铁车站客流GRNN神经网络预警模型对于地铁车站客流预测问题，长期以来地铁建设
方主要聚焦在线路规划咨询阶段，并以此作为城市立体交通网络规划依据，面对于地铁建成后的运营客流预警较少关注。
近年来，鉴于地铁车站相对密闭狭小的空间特性及全国发生的若干起影响较大的人员踏伤亡事故，引起了地铁运营方及相关学者的关注，开始投入研究地铁客流预警模型。其中，主要有时间序列方法、回归分析法、事故树、事件数、威布尔分布、灰色理论等方法[7]但这些方法普遍存在人为因索过多，预警指标及事件概率难以确定，以致无法客观给出预警结果；或者需要的数据分析存在滞后性，难以运用到突发性的客流预警当中等问题。
广义回归神经网络GRNN作为并行计算模型的一种，往往不需要精确定义被建模对象的动态特性参数及内部之间的关系，只需要给出对象的输人/输出数据，通过非线性映射网络本身的学习功能就可以达到预测或评估的目的。同时相比BP、RBF等需要动辑百次样本训练、预测收敛速度慢的神经网络模型，广义回归神经网络GRNN在聚类分析能力、数据拟合能力及样本学习速度上有着较大的优势。GRNN模型结构如图1所示。
网络的第一层为径向基隐含层，该层的权值函数（ⅡdistⅡ）为欧氏距离函数，用于计算网络输人与第一
URBAN RAPID RAILTRANSIT37