人工神經網絡在鐵路客票票票中的應用

鐵路票的銷售和預訂系統（以下簡稱票系統）的應用已經實現了計算機在線門票的全路應用。計算機發票的類型簡單快速，充分發揮了很大的興趣。隨著鐵路客運專線大規模建設,開行列車車次增加,旅客在購票時若不明確指定車次,售票員一般是對出行車次、換乘車次憑借經驗進行選擇。將人工神經網絡引入客票系統進行中轉路徑的優選,可以避免人工選擇的盲目性,同時也為售票提供方便。售票員只需輸入發到站,系統將提供經過人工神經網絡計算后的最優換乘方案。人工神經網絡是一種基于生物神經網絡的數學模型或是計算模型,是一個由人工神經元和使用關聯方法進行信息計算的處理過程所共同組成的互聯群體。在多數情況下,人工神經網絡是一個自適應系統,可以通過外部或內部的信息改變自身的結構,在學習過程中這些信息從網絡中產生。人工神經網絡在結構和實現方面模擬生物智能,可對并行和分布式的問題進行處理,解決一些傳統方法無法處理或效果較差的問題。在實際應用中,神經網絡是非線性分析數據模型工具,可以用來模型化輸入和輸出之間的復雜關系,或者在數據中發現模式。人工神經網絡是由大量簡單的神經元廣泛地互相連接而形成的復雜網絡系統,在某種程度上模擬人腦神經系統的工作過程。其中,神經元可以分為3種類型:輸入單元、輸出單元和隱含單元。輸入單元從外界環境接受信息;輸出單元則給出神經網絡系統對外界環境的作用;隱含單元處于兩者之間,調節網絡并對網絡各功能的實現起重要的作用。根據連接方式的不同,人工神經網絡可以分為前饋神經網絡、反饋神經網絡和自組織神經網絡。人工神經網絡的模型有很多種,但理論上最完善、應用最廣泛的主要是誤差反向傳播網絡模型(BP網絡模型)。BP網絡模型具有很好的函數逼近能力,通過對訓練樣本的學習,能很好地反映出對象的輸入和輸出之間復雜的非線性關系。2輸入系統的人工神經網絡模型2.1神經網絡構建如果對于給定的上下車站之間沒有直達列車,則旅客需進行換乘。客票系統對所有經由上車站和下車站的列車車次與路網進行分析,得到所有可以換乘的車站。將上車站到中轉站的所有車次與中轉站到下車站的所有車次進行笛卡爾計算,從而得到每個中轉站的換乘方案的笛卡爾集合,集合中的每一項就是一種中轉換乘方案,將方案的總歷程時間、總公里、中轉站等級、中轉站等候時間、中轉站是否為同一車站、換乘的車次是否有席位等因素作為人工神經網絡的輸入信息,最終得到換乘方案的可乘度。其中,可乘度最高的為最優方案。計算換乘方案的前饋神經網絡的輸入層由總歷程時間、總里程、中轉站等級、中轉站等候時間、中轉站是否為同一車站、換乘的車次是否有席位等6個神經元組成,每個輸入神經元分別對應1個輸入參數;隱含層由神經網絡中間的6個神經元組成,每個神經元都與輸入層的6個神經元相連;與可乘度參數相連的神經元組成輸出層,輸出神經元與隱含層中的6個神經元相連。在前饋神經網絡中輸入層與隱含層、隱含層與輸出層的神經元之間的連線上的權重用W表示,隱含層神經元的閾值用θ表示,輸出層神經元的閾值用γ表示。2.2運行時間3.為了得到前饋神經網絡中各神經元之間的權重和閾值,需要通過選擇最佳的學習樣本計算獲得。而樣本應該選擇那些最具有代表性的,從而可以提高學習速度,還可以提高網絡的推廣泛化能力。以下是最具代表性的4種換乘樣本。(1)樣本一:濟南→北京→烏蘭浩特。D40次:濟南—北京南,里程485km,運行時間3h10min,13:29到。2189次:北京—烏蘭浩特,里程1180km,運行時間19h19min,15:30開。(2)樣本二:北京→哈爾濱→黑河。D25次:北京—哈爾濱,里程1249km,運行時間8h05min,15:20到。K7035次:哈爾濱—黑河,里程1m885km,運行時間9h47min,21:10開。(3)樣本三:太原→株洲→三亞。K237次:太原—株洲,里程1843km,運行時間26h42min,02:23到。K511次:株洲—三亞,里程1812km,運行時間23h05min,23:12開。(4)樣本四:攀枝花→廣元→蘭州。K166次:攀枝花—廣元,里程1068km,運行時間18h44min,18:35到。K856次:廣元—蘭州,里程853km,運行時間15h03min,20:55開。將所選取的4個樣本參數化,計算每個樣本的總時間和中轉時間,并對車站等級進行相應定義,生成相對應的輸入與輸出的可乘度,如表1所示。2.3神經網絡的權重用樣本學習網絡的結構、各神經元之間的權重和閾值,其中學習步長取0.9,4個樣本的輸出誤差應小于1‰。(1)神經網絡的權重:Wij(1)為輸入層第i個神經元與隱含層第j個神經元之間的權重;Wj(2)為隱含層第j個神經元與輸出層神經元之間的權重。(2)神經網絡的閾值:θj為隱含層第j個神經元的閾值;γ為輸出層神經元的閾值。3不同乘車方案的比選以廣州—丹東的中轉換乘方案為例,其徑路如圖1所示。(1)對廣州站的所有車次和路網進行分析,共有18個車站被選為中轉站,可以換乘到達目的地,如表2所示。其中,由廣州站到每個中轉站的出發列車數和由中轉站到丹東站的到達列車數并不相同。(2)考慮以天津站作為中轉站,則有3列廣州—天津的旅客列車,有2列天津—丹東的旅客列車。T124/T121次(廣州19:04—天津20:07),里程2404km,運行時間25h03min。T254次(廣州17:58—天津20:28),里程2436km,運行時間26h30min。T236/T237次(廣州東18:25—天津19:32),里程2412km,運行時間25h07min。K27次(天津19:11—丹東07:17),里程995km,運行時間12h06min。1206/1207次(天津04:41—丹東18:20),里程995km,運行時間13h39min。將發站車次與到站車次進行笛卡爾乘積,得到6種換乘方案,如表3所示。同時,計算出其他中轉站的換乘方案,從而得到所有可選的換乘方案。(3)計算每種方案的總歷程時間、總里程、中轉站等級、中轉站等候時間、中轉站是否為同一車站、換乘的車次是否有席位,并輸入前饋神經網絡,得出最優換乘方案。通過輸入6種換乘方案的具體數值,從而獲得各種換乘方案相對應的可乘度,如表4所示,規定可乘度為0~1之間的數,越接近1則換乘方案越好。由于第2種換乘方案的可乘度數值最大,因此該換乘方案最優。4增強網絡模型,提高模型的科學性。我國傳統網絡人工神經網絡在客票系統的中轉路徑優選中雖然有較好的應用,但是旅客中轉換乘的因素很多,該模型只是列舉出幾個重要的因素,在改進模型中還可以加入每個因素的權重,使模型更加符合實際。為了高效快速地獲取中轉站,需要對上車站和下車站的連通圖和旅客列車車次進行分析,然而路網的變化和列車的增減等不確定因素,都增加了