【正文】 整體規(guī)劃 通過對(duì)余慶縣汽車客運(yùn)站各個(gè)布局占地面積的具體計(jì)算，綜合得到下表：表 車站主要設(shè)施使用面積表序號(hào) 設(shè)施名稱 面積（ m2）1 站前廣場 4952 停車場 37803 發(fā)車位 420候車廳 495站務(wù)員室 29重點(diǎn)旅客候車室 100售票廳 145行包托運(yùn)處 行包提取處 33駕乘休息室 21調(diào)度室 15治安室 20廣播室 15醫(yī)療救護(hù)室 30旅客廁所 844飲水室 25行政辦公用房 200綜合服務(wù)室 827汽車安全檢驗(yàn)臺(tái) 1005清洗臺(tái) 100維修車間 2006 站內(nèi)道路 10007 綠化面積 50031 / 468 車站占地總面積 0 / 46附錄 1 余慶縣汽車客運(yùn)站總體平面布局圖0 / 46附錄 2 余慶縣汽車客運(yùn)站站房平面布局圖1 / 46附錄 3 余慶縣汽車客運(yùn)站站前廣場平面布局圖2 / 46附錄 4 余慶縣汽車客運(yùn)站停車場平面布局圖0 / 46小組鑒定組長簽字 年 月 日評(píng) 語成績 指導(dǎo)教師簽字: 年 月 日。 30 / 46 其它設(shè)施 站內(nèi)道路，視實(shí)際需要確定其規(guī)模，暫定為 1000 m2。車輛維修車間維修車間面積主要包括維修車位面積、輔助工間面積和材料庫面積三部分。1綜合服務(wù)處綜合服務(wù)處面積包括小件寄存、問訊、郵電通訊、失物招領(lǐng)、信息服務(wù)等的面積，即：綜合服務(wù)處面積= m 2/人旅客日發(fā)送量 =3300=66 m 2 輔助設(shè)備汽車安全檢驗(yàn)臺(tái)（溝、室）汽車檢驗(yàn)臺(tái)面積根據(jù)檢測項(xiàng)目與檢測方式，按每個(gè)臺(tái)位 100 m2計(jì)算，本客運(yùn)中心設(shè)一個(gè)檢測臺(tái)位，所以，該部分面積取 100 m2。1盥洗飲水處盥洗飲水處面積按 20m230m2，取 25 m2。廣播室29 / 46廣播室面積按 10m220m2，取 15 m2。托運(yùn)廳面積=25m 2/托運(yùn)單元托運(yùn)單元數(shù)=25 m 2行包受理作業(yè)室面積=20m 2/托運(yùn)單元托運(yùn)單元數(shù)=20 m 2行包庫面積= 2/人旅客最高聚集人數(shù)+15 m 2 = m2（其中包括總控室 15 m2）行包托運(yùn)處面積=托運(yùn)廳面積+行包受理室面積+行包庫面積 = 25+20+ = m2行包提取出行包提取處面積=行包托運(yùn)處面積β，其中 β 為計(jì)算系數(shù)，按規(guī)范取 30%，則行包提取處面積=30%=33 m 2站務(wù)員室站務(wù)員室面積= m 2/人當(dāng)班站務(wù)人數(shù)+15 m 2（其中包括總控室 15 m2）當(dāng)班站務(wù)員人數(shù)取 7 人，則有 站務(wù)員室面積= m 2/人7 人+ 15m 2=29 m2駕乘休息室駕乘休息室面積=發(fā)車位數(shù)=7=21 m 2調(diào)度室調(diào)度室面積一般按站級(jí)確定，一級(jí)站一般按 30 m250m2；二級(jí)站一般按 20 m230m2；三級(jí)站一般按 15m220m2，這里取 15 m2。完成行包托運(yùn)的一組人員及其配套設(shè)施稱為托運(yùn)單元。 站前廣場一、二級(jí)車站按旅客最高聚集人數(shù)每人 計(jì)算，—旅客最高聚集人數(shù)每人 m2計(jì)算：站前廣場面積=495 =495 m2? 發(fā)車位發(fā)車位面積根據(jù)發(fā)車位數(shù)，每個(gè)發(fā)車位占用面積按客車投影面積的 2 倍（見《交通港站與樞紐》117 頁）計(jì)算，客車投影面積取 30 m2，即：發(fā)車位面積=2 發(fā)車位數(shù) 客車投影面積=2 7 30=420 m2?? 停車場停車場的最大容量按同期發(fā)車量的 6 倍（見《交通港站與樞紐》117 頁）計(jì)算，每個(gè)車位占用面積按客車投影面積的 3 倍計(jì)算，即：停車場面積=6 3 發(fā)車位數(shù) 客車投影面積?? =6 3 7 30=3780 m2 站房面積候車廳候車廳面積= m 2/人 設(shè)計(jì)年度旅客最高聚集人數(shù)=495 m 2?重點(diǎn)旅客候車室重點(diǎn)旅客候車室視實(shí)際需求設(shè)置，但總面積不應(yīng)超過候車廳面積的 1/3，這里取 100 m2。按照發(fā)車位數(shù)的計(jì)算公式，本站發(fā)車位為：M = ???npD)1(?式中：——發(fā)車位數(shù)；M——旅客最高聚集人數(shù)；D——過站車載乘率；這里取 10%；?——增設(shè)系數(shù)，一般取 ；?——營業(yè)時(shí)間內(nèi)平均每小時(shí)每發(fā)車位發(fā)車次數(shù)；這里取 4；n——客車平均定員；這里取 30；p——始發(fā)車合理乘載率；這里取 70%；?經(jīng)計(jì)算可以得到有效發(fā)車位為：M = = （個(gè)）???npD)1(?495(10%).26337???所以，該站共需要車位 7 個(gè)。??26 / 46???pFN)1(??其中：N——發(fā)車位數(shù)；F——平均日旅客發(fā)送量； ——過站車載乘率；這里取 10%； ——增設(shè)系數(shù)，這里取 ； ——客車平均定員；這里取?30； ——始發(fā)車合理乘載率；這里取 70%。其公式為： DF???式中：D——旅客最高聚集人數(shù)，人；F——設(shè)計(jì)年度平均日旅客發(fā)送量，人次； ——計(jì)算百分比，其大小可按照下表選取。 設(shè)計(jì)年度最高聚集人數(shù)旅客最高聚集人數(shù)，它是指一年中旅客發(fā)送量偏高期間內(nèi)，每天最大的同時(shí)在站人數(shù)的平均值，即高峰期人流量。根據(jù)車站服務(wù)區(qū)域道路旅客運(yùn)輸發(fā)展規(guī)律，通過預(yù)測，確定設(shè)計(jì)年度 2020 年平均日旅客發(fā)送量為 3300 人次。表 51 余慶縣汽車客運(yùn)站旅客日發(fā)送量預(yù)測值表年份 客運(yùn)量（萬人次） 組織系數(shù) 組織量（萬人） 適站系數(shù) 適站量（萬人） 日平均適站量 （萬人次） 日均發(fā)送量（萬人次/日）2022 2022 2022 2022 2022 2022 2022 2022 2020 25 / 46第六章 客車站工藝設(shè)計(jì) 車站規(guī)模指標(biāo)計(jì)算根據(jù)客運(yùn)量的預(yù)測結(jié)果，運(yùn)用工藝計(jì)算法，算出客運(yùn)站的主要生產(chǎn)規(guī)模指標(biāo)。本項(xiàng)目結(jié)合余慶縣現(xiàn)有的客運(yùn)站進(jìn)行分析，確定以日平均適站量的 11%作為本項(xiàng)目的日均發(fā)送量。有關(guān)資料規(guī)定，組織系數(shù) =40%60%，適站系數(shù) β=60%80%。組織量與適站量的預(yù)測方法為： 。公路客運(yùn)量、車輛入站率、中途上下車旅客的比例、站內(nèi)上車人數(shù)占車輛座位數(shù)的比例等。分析余慶縣客運(yùn)運(yùn)輸市場的特點(diǎn)，可以看出，在外出人員當(dāng)中，通過公路運(yùn)輸站場組織發(fā)送的旅客量比例較大，即余慶縣站場客運(yùn)組織量占客運(yùn)量的比例較其它樞紐的比例要高。根據(jù)表 和表 中的數(shù)據(jù)，進(jìn)一步得到組合預(yù)測的結(jié)果，具體見表 。由于本設(shè)計(jì)的數(shù)據(jù)量相對(duì)局限，運(yùn)用 BP 網(wǎng)絡(luò)預(yù)測的結(jié)果不是很理想，產(chǎn)生了誤差也比較大。根據(jù)經(jīng)驗(yàn)，灰色預(yù)測模型和多元線性回歸模型使用于中短期預(yù)測，而對(duì)長期預(yù)測表現(xiàn)出一定的不適應(yīng)。 表 多元線性回歸模型預(yù)測客運(yùn)量的誤差分析 單位：萬人次年份 實(shí)際值 預(yù)測值 殘差2022 900 2022 957 2022 1042 2022 1156 2022 1289 2022 1332 組合預(yù)測本設(shè)計(jì)為了保證預(yù)測的可靠性，不僅選擇了多種方法對(duì)該縣國民經(jīng)濟(jì)和客運(yùn)量進(jìn)行了預(yù)測。將表 中的數(shù)據(jù)代入上述二元線性回歸模22 / 46型便得未來十年的客運(yùn)量，具體數(shù)值見表 。通過表 中的數(shù)據(jù)，利用 excel 軟件進(jìn)行線性回歸分析，最終得到二元線性回歸模型： ???其中 x1 表示 GDP，x2 表示總?cè)丝?，y 表示客運(yùn)量。表 BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到的各年客運(yùn)量年份 GDP 預(yù)測值（萬 元） 人口預(yù)測值(人) 客運(yùn)量預(yù)測值（萬人次）2022 360853 302418 15002022 407668 306531 2022 460557 310699 2022 520307 314924 2022 587809 319207 2022 664068 323548 2022 750221 327948 2022 847551 332408 2020 957508 336929 多元線性回歸預(yù)測模型本設(shè)計(jì)采用二元回歸模型對(duì)客運(yùn)量進(jìn)行預(yù)測。其中 GDP 和人口的預(yù)測值采用灰色預(yù)測模型預(yù)測的數(shù)值。（5）仿真與預(yù)測將規(guī)劃年的各影響因素的指標(biāo)值與得到的權(quán)值和闕值代入仿真函數(shù)進(jìn)行運(yùn)算，求出未來特征年的客運(yùn)量的預(yù)測數(shù)值。 jijiji XX??（4）模型訓(xùn)練選取輸入數(shù)據(jù)的前 n 組數(shù)據(jù)作為學(xué)習(xí)樣本，選用 levenbergMarquardt 動(dòng)量21 / 46項(xiàng)算法，用 matlab 軟件編程進(jìn)行計(jì)算。輸入輸出數(shù)據(jù)的規(guī)范化，為了改善學(xué)習(xí)過程中的收斂速度和收斂誤差，訓(xùn)練前采用以下隸屬度函數(shù)對(duì)本數(shù)據(jù)進(jìn)行規(guī)范化預(yù)處理，使數(shù)據(jù)的值位于[0,1]內(nèi)。??1kc?模型中輸入層與隱含層的傳遞函數(shù)為 logsig 函數(shù)，表達(dá)式為 ,()1xfe?隱含層與輸出層的傳遞函數(shù)為線性傳遞函數(shù) purelin，其表達(dá)式為 。本模型也采用這種結(jié)構(gòu)，輸入節(jié)點(diǎn)以前面分析的客運(yùn)量影響因素為基準(zhǔn)，確定輸入層為2 個(gè)神經(jīng)元，隱含層為 12 個(gè)神經(jīng)元，輸出層為 1 個(gè)神經(jīng)元即：客運(yùn)量。它們分別是 GDP 和人口總數(shù)。本文采用 train 函數(shù)對(duì)樣本進(jìn)行訓(xùn)練，函數(shù)train 采用 BP 算法中的 LevenbergMarquardt 動(dòng)量項(xiàng)法實(shí)現(xiàn)，該方法具有訓(xùn)練速度快，學(xué)習(xí)時(shí)間短的特點(diǎn)，從而使學(xué)習(xí)時(shí)間大大縮短。因此近些年來出現(xiàn)了很多改進(jìn)的 BP 算法，例如：變步長算法、動(dòng)量法和自適應(yīng)調(diào)整學(xué)習(xí)率的改進(jìn)算法。[6] BP 算法的改進(jìn)雖然 BP 網(wǎng)絡(luò)存在可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射的優(yōu)越性，但20 / 46是在實(shí)際應(yīng)用中卻存在很大的缺陷。當(dāng)誤差達(dá)到預(yù)設(shè)精度或?qū)W習(xí)次數(shù)大于設(shè)定的最大次數(shù)，則結(jié)束算法。 ()howk1()()hoohhNoewkk????????Step7：利用隱含層各神經(jīng)元的 和輸入層各神經(jīng)元的輸入修正連接權(quán)。()ok? ohohyiew??(()) ()phooo hhwkbikk?????Step5：利用隱含層到出層的連接權(quán)值、輸出層的 和隱含層的輸出計(jì)()ok?算誤差函數(shù)對(duì)隱含層各神經(jīng)元的偏導(dǎo)數(shù) 。 神經(jīng)網(wǎng)絡(luò)的計(jì)算步驟Step1：網(wǎng)絡(luò)初始化 ：給各連接權(quán)值分別賦一個(gè)區(qū)間（1，1）內(nèi)的隨機(jī)數(shù)，設(shè)定誤差函數(shù) e，給定計(jì)算精度值 和最大學(xué)習(xí)次數(shù) M。而訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)的目的就是能用一組輸入矢量產(chǎn)生一組所希望的輸出矢量。為此，本設(shè)計(jì)還運(yùn)用 BP 神經(jīng)網(wǎng)絡(luò)模型和多元線性回歸模型對(duì)客運(yùn)量進(jìn)行了預(yù)測。其產(chǎn)生的誤差相當(dāng)小，達(dá)到了理想的效果。表 余慶縣國民經(jīng)濟(jì)及客運(yùn)量預(yù)測值（修正后）年份GDP 預(yù)測值（萬元） 人口預(yù)測值(人) 客運(yùn)量預(yù)測值（萬人次）2022 360853 302418 1433 2022 407668 306531 1561 2022 460557 310699 1700 2022 520307 314924 1852 2022 587809 319207 2022 2022 664068 323548 2198 2022 750221 327948 2394 2022 847551 332408 2608 2020 957508 336929 2841 為了直觀地看出預(yù)測前后余慶縣各年客運(yùn)量的變化情況及實(shí)際值與預(yù)測值的誤差，繪制了實(shí)際值與預(yù)測值的對(duì)比圖像，見圖 ?，F(xiàn)根據(jù)表 中的平均誤差率對(duì)預(yù)測值進(jìn)行進(jìn)一步修正，以使得預(yù)測值更加合理。表 灰色預(yù)測誤差估計(jì)值從表 可以看出，灰色預(yù)測的結(jié)果與實(shí)際情況非常吻合，其預(yù)測誤差相當(dāng)小。表 余慶縣國民經(jīng)濟(jì)及客運(yùn)量預(yù)測值年份GDP 預(yù)測值（萬元） 人口預(yù)測值(人) 客運(yùn)量預(yù)測值（萬人次）2022 178254 275846 9002022 192242 287556 2022 217182 291467 2022 295430 2022 299448 2022 303520 2022 307648 2022 311832 2022 316072 2022 510105 320371 2022 324728 16 / 462022 329144 2022 333620 2022 338157 2020 342755 由于采用灰色預(yù)測模型進(jìn)行預(yù)測時(shí)，可以將預(yù)測值與實(shí)際值進(jìn)行對(duì)比，計(jì)算殘差和相對(duì)誤差，并可以通過相對(duì)誤差對(duì)預(yù)測值進(jìn)行進(jìn)一步修正。??=.95 87. 口 0. .1 . 68周 轉(zhuǎn) 量（2）級(jí)比判斷：