基于学生出行管理的校园公路客运订票系统研究

张国胜，贾正文，魏海霞，苏二磊，韩宁宁（河南理工大学 土木工程学院，河南 焦作 454000）

基于学生出行管理的校园公路客运订票系统研究

张国胜，贾正文，魏海霞，苏二磊，韩宁宁
（河南理工大学 土木工程学院，河南 焦作 454000）

针对学生群体出行计划性强、组织性好、客流高度集中的特点，基于B/S体系结构、Ajax等技术，并运用BP神经网络客流预测模型，开发出校园公路客运订票系统。通过该订票系统，可以实现学生客运车票的订购，并且学校管理部门能够查询学生出行的实时数据，便于学校管理部门及时了解学生出行动态，实现学校对学生安全出行及外出集中实习教学的管理。客运部门应用本系统可及时处理学生客流所引发的客流高峰问题，并通过对学生订票信息数据的挖掘和预测分析，可提高信息化管理水平和服务质量。应用该订票系统对客运量进行预测，结果表明预测数据与实际客运量误差较小，系统可提供较准确的客运信息。

订票系统；BP神经网络；学生客流；出行管理；校园

0　引言

公路运输在整个交通运输系统中处于基础及主导地位，其发达程度已经成为衡量一个国家经济实力和现代化水平的重要标志。虽然近年来我国公路建设取得了举世瞩目的成就，客运信息化水平不断提高，但客运市场的供需问题依然突出。尤其在寒暑假、五一、十一、春节等节假日期间，高度集中的学生客流通过公路运输往返家乡和学校，突然激增的巨大客流量给客运公司的窗口售票、汽车调度等正常运营活动带来了极大挑战。以河南理工大学为例，据统计在校历确定寒假放假时间前后共一周时间内离校人数，如图1所示。客运运力的不足和售票服务资源的严重短缺造成大量人员在车站内滞留和拥挤，带来巨大的安全隐患，同时给高校学生安全出行管理工作带来了很大困难[1-2]。

图1　学生寒假出行统计图

另一方面，学校各专业集中安排的认识实习、生产实习、毕业实习等实习期间，不论采用的是集中实习方式还是分散实习方式，都会有大批学生客流涌向客运站。以河南理工大学的9个学院为例，统计分析各学院各专业2010级到2013级的培养方案，汇总各学院外出实习的周次时间，如图2和图3所示。学生出行具有集中性，时间多集中在节假日、实习阶段，时间相对集中的实习学生流给学生管理和客运站服务工作增加了新的难题。

目前，国内外开发了铁路等订票系统，技术已比较成熟。但现有订票系统未充分考虑学生这种特殊群体，在系统访问量激增时，可能出现系统忙而无法正常提交订单的状况，甚至系统有崩溃的风险。针对学生群体出行计划性强、组织性好、客流高度集中的特点，专门开发出方便高效的校园客运订票系统，既可以提高公路客运信息化水平、节约成本、提高效率、全面服务与方便学生，也方便高校学生出行管理[3]。

图2　各学院各专业外出实习累计周数图

图3　各专业实习累计周数占总学时比例图

1　校园客运订票系统开发

1.1订票系统开发技术

本系统采用B/S体系结构，设计编程使用Asp. net语言，按系统模式来设计，并利用Asp.net的工厂模式来开发设计。Asp.net语言中，利用Visual Studio 2008开发平台中的Ajax技术，异步刷新，对数据进行实时读取，使订票系统信息与客运站数据同步。

定义校园卡、中国银联、支付宝等支付方式与订票系统数据传输包的格式，能够实现订票、支付、费用查询以及明细对账等功能。采用Web Ser⁃vice技术为客运站站务管理信息系统提供接口，客运站站务管理系统通过此接口进行班次管理、车辆调度、结算等操作；同时使用该技术为学校管理系统提供接口，方便主管部门或主管教师查询信息、统计相关数据等。另外，为确保网上传递信息的机密性、完整性，保证账户及资金的安全，本系统采用数字证书技术来进行身份验证[4-6]。

1.2订票系统开发运用的主要算法

本系统中客流量的分析预测采用的是人工神经网络模型。人工神经网络是一种按照人脑的组织和活动原理而构造的一种数据驱动型非线性映射模型，可以实现任何复杂的因果关系映射，能够从大量的历史数据中进行聚类和学习，进而找到某些行为变化的规律。它可以处理那些难以用数字模型描述的系统，具有很强的并行处理、自适应、自组织、联想记忆以及任意逼近非线性等特性，特别适用于处理复杂问题，在预测评估、智能控制、模式识别、信号处理、自适应控制和预测等领域广泛应用。

人工神经网络是现代神经生物学研究基础上提出的模拟生物过程，反映人脑某些特性的一种计算结构。人工神经网络是人脑神经系统的某种抽象、简化和模拟。模拟生物神经网络的生物神经元，在人工神经网络中，神经元常被称为“处理单元”或“节点”。具有层次型结构的神经网络将神经单元按功能分成若干层，如输入层、中间层（也称隐层）和输出层，各层顺序相连。输入层各神经元负责接收来自外界的输入信息，并传递给中间各隐层神经元；隐层是神经网络的内部信息处理层，负责信息变换，根据信息变换的需要，隐层可设计为一层或多层；最后一个隐层传递到输出层各神经元的信息经进一步处理后完成一次信息处理，由输出层向外界输出信息处理结果。

人工神经网络的功能特性和智能体现由其连接的拓扑结构和突触连接强度（即连接权值）决定。神经网络的全体连接权值可用一个矩阵W表示，其整体反映了神经网络对于所解决问题的知识存储。神经网络能够通过对样本的学习训练，不断改变网络的连接权值以及拓扑结构，以使网络的输出不断接近期望的输出。这一过程称为神经网络的学习或训练，其本质是可变权值的动态调整。

目前，在人工神经网络的实际应用中，绝大部分的神经网络模型都采用BP网络及其变化形式。BP神经网络是前向网络的核心部分，体现了人工神经网络的精华。BP神经网络算法的主要思想是把学习过程分为两个阶段：第一阶段（正向传播过程），给出输入信息通过输入层经隐含层处理并计算每个单元的实际输出值；第二阶段（反向过程），若在输出层未能得到期望的输出值，则逐层递归地计算实际输出与期望输出之差值（即误差），以便根据此差值调节权值，具体来说，就是可对每一权重计算出接收单元的误差值与发送单元的激活值的积[7-9]。

关于BP神经网络的学习算法原理，现以一个3层模型为例来介绍。假设输入层、中间层（隐层）、输出层的节点数目分别为m、l、n个；样本输入 为X=(x0,x1,…,xm-1)； 中 间 层 输 出 为Y=(y0,y1,…,yl-1)；输出层输出为O=(o0,o1,…,on-1)；期望输出为T=(t0,t1,…,tn-1)；Wij为输入层节点i到中间层节点 j的连接权；Wjk是中间层节点 j到输出层节点k的连接权；θj是中间层节点j的偏置量；rk为输出层节点k的偏置量，则BP算法可简述如下。

（1）网络初始化，用较小的随机数对网络的权值及偏值量赋初值。

（2）输入第一个学习样本，每一样本都是由输入｛X｝和输出｛T｝组成。

（3）求中间层节点 j的输入Uj和相应的输出yj： ； yj=f(Uj)，这里所有的

（4）求输出层节点k的输入Sk和相应的输出Ok：；Ok=f(Sk)。

（5）求输出节点k的误差信号 δk： δk= (tk-Ok)Ok(1-Ok)。

（6）求中间层节点j的误差信号 σj： σj=

（7）调整连接权Wjk和偏值量 rk：Wjk= Wjk+α∙δk∙yj，α∈(0,1)；rk=rk+η∙δk，η∈(0,1)。

（8）调整连接权 Wij和偏值量 θj： Wij= Wij+α∙σj∙Ii，α∈(0,1)；θj=θj+η∙σj，η∈(0,1)。

（9）输入下一个学习样本。

（10）如有学习模式返回步骤（3）。

（11）重复学习。

1.3订票系统模块

校园客运订票系统分为3个模块，学生订票模块、学生管理模块和票务管理模块。

1.3.1学生订票模块

学生订票模块供学生登录使用，包括：本人信息管理功能、查询功能、订票功能、预订功能、在线支付功能、退票功能等。

（1）本人信息管理功能

本人信息管理功能可实现：①学生无需注册，只需用登录学校教务系统的学号与密码便可登录校园客运订票系统，体现了该系统的便利及人性化；②学生登陆系统后可查看学校学生数据库导入订票系统的学生基本信息资料，包括学生姓名、身份证号、学号、学院、专业班级、手机号、电子邮箱、家庭住址等信息，学生无需再填写信息；若信息有误，向学校有关部门提出申请后便可授权更改，方便快捷。

（2）预订功能

当学生查询某线路系统显示余票数为0时，购票按钮显示为灰色，此时点击“加班车申请”按钮可进行加班或调度车辆的预订。车站管理人员在每天下午16：00统计学生预订信息，并根据信息调度车辆、增添班次，随后把增添班次信息更新到订票系统里，并通过手机短信通知预订学生是否预订成功，若预定成功则可在当日19：00前继续完成购买支付。如此学生在客流高峰期能如愿早日回家。

（3）在线支付功能

学生提交订单后即可在线支付，在线支付支持校园卡、支付宝、网银等支付方式，校园卡与订票系统数据传输包的格式已提前定义好，学生使用校园卡在线支付更加方便快捷。

学生预订车票成功之后，该系统支持自主打印车票。以往打印车票都需要人工输入，不仅效率很低，并易出现错误。现在做一接口，将预订成功的学生预订信息，输入售票主机，按院系或班级集中打印，也可完成个人打印，效率大大提高，并不易出现错误。

1.3.2学生管理模块

学生管理模块供学生工作处的管理人员、学生辅导员、学生班主任等管理人员登录使用，包括管理功能、查询功能、统计分析功能等。

（1）管理功能

学校管理人员可以管理学生个人信息，包括更改学生个人信息，添加学生资料，删除已毕业或已经退学的学生信息；学生管理人员及时更新系统里学生的信息，确保信息的准确性与真实性；实习指导老师在组织学生外出集中实习时还可为其所有指导的学生进行批量订票，方便快捷。

（2）统计分析功能

学校管理人员可将学生订票信息录入到数据库里，按类进行排序与统计；可以按终点站、订票日期、出行目的、学生是否订票、订票学生是否回家等进行统计，打印出所需的报表。这样既有利于老师了解学生整体订票情况，提醒并帮助未订票成功的学生尽快订票，又便于老师对学生的管理以及学校集中实践教学安排。

学校管理人员可对统计的数据进行分析，挖掘数据现象背后的事实，例如对暑假未回家学生去向及原因进行统计分析。学生暑假不回家的原因主要有外出打工、出游、留校等，辅导员和班主任可通过系统给未回家学生群发在外注意安全、和父母及老师保持联系等温馨提示的短信。管理人员可重点分析学生外出打工的原因：分析学生是由于家庭经济困难还是锻炼自己或者其他原因而外出打工；老师可根据实际情况适当给予由于家庭经济困难而外出打工的学生一定的资助，并与学生多交流给予其学习、生活上的指导与帮助。

1.3.3票务管理模块

客运站管理人员能够更改本系统所显示的汽车票务信息、站点信息、系统资讯等，以及统计分析学生的订票信息。系统可挖掘并处理往年订票系统中的海量学生订票数据，并建立BP神经网络模型进行预测分析以后同一客流集中时间段的学生客流量，为客运部门合理安排运能、科学组织管理提供了准确的决策信息和先进的预测手段。同时可根据学生订票信息进行统计与计算，将一些满票或无票的数据信息显示给车站管理员。这便于车站及时调度车辆、增加线路班次并更新到订票系统，能够最大程度地满足学生订票需求，提高车站的工作效率及客运能力。

2　校园客运订票系统的实现与应用

校园客运订票系统主要分为3个模块：学生订票模块、学生管理模块和票务管理模块。系统实现了开发前期预想的功能，限于篇幅，在此只列举部分主要功能的实现界面。

学生登录校园订票系统无需注册，只需用登录学校教务系统的学号与密码即可登录，体现了该系统的便利及人性化。学生登录系统后进行班次查询，可在班次查询界面输入到达城市站、出发日期，选择出行目的，填写验证码后点击查询。以查询到达平顶山班次为例，查询结果如图4所示。学生提交订单后即可在线支付，在线支付支持校园卡、支付宝、网银等支付方式。

图4　班次查询结果示意图

教师登录系统后可进入“信息管理”、“信息查询”、“信息统计分析”3个功能界面。以登录“信息查询”功能为例，选择出行时间段，输入关键字后，可以查询相对应学生的出行情况，不仅包括学生乘车时间、目的地，还有学生专业班级、家庭住址等基本信息。登录“信息统计分析”功能界面，可以对学生订票信息进行统计分析，如统计土木学院2011级453名学生暑假出行情况统计结果（见图5）。辅导员点击未订票人按钮可查询未订票学生信息，具体了解其未订票原因，提醒并帮助未订票成功的学生尽快订票。

图5　暑假学生出行统计结果示意图

客运站管理人员登录票务管理模块后，除能进行常规票务管理操作外，可通过挖掘并处理往年订票系统中的海量学生订票数据，并建立BP神经网络模型进行预测分析以后同一客流集中时间段的学生客流量。因系统未投入使用，学生客流量数据尚未采集到。在此利用焦作市客运管理部门提供的2012—2014年春运旅客运输数据来验证BP神经网络预测的准确性。其中取投入运力、实发班次作为影响因子，以客运量作为输出因子，即网络的输出。以2012—2013年共40组春运旅客运输数据（见表1）作为BP神经网络的训练样本，以2014年10组春运旅客运输数据作为网络的外推测试样本。

表1　2012—2013年春运旅客运输数据统计表

表1（续）

本模型中网络的输入层神经元个数为2，隐层神经元个数为30，网络的隐含层神经元的传递函数为Tansig，输出层神经元的传递函数为Purelin，训练函数选用Trainlm。在训练模型前对数据进行归一化处理，对预测输出结果进行反归一化处理。样本数据在经过923次训练后达到了目标误差0.001，训练结果的误差性能曲线见图6。以该训练好的模型对2014年的10组春运旅客数据进行测试，预测结果和实际数据的对照见表2。

图6　训练误差性能曲线

表2　2014年春运旅客实际运输数据与预测数据对照表

在传统预测方法中，指数平滑法是常用的一种方法。指数平滑法是布朗所提出的，布朗认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续到未来，所以将较大的权数放在最近的资料。本文以表1中旅客运输数据为基础，基于SPSS软件运用指数平滑法对2014年春运旅客数据进行预测，并与实际客运量进行对比，结果如表2所示。

由表2可知，指数平滑法预测误差不稳定，且预测结果不可靠。而BP神经网络模型的预测误差比较小，都在6%以内，说明BP神经网络模型用于客流量的预测在技术上可行，且预测结果可靠。该预测手段可为客运部门合理安排运能、科学组织管理提供准确的决策信息。

3　结语

本客运订票系统的主要功能及特色之处包括以下方面。

（1）学生无需注册，使用教务系统的学号和密码即可登录校园客运订票系统，方便快捷。

（2）在客流高峰期即使系统显示车票已售完，学生仍可通过预订功能使车站及时调度车辆、增添班次，满足学生尽早回家的愿望。

（3）学生可通过校园卡在线支付，实现足不出校即可在校园里自主打印车票，免去订票的奔波之苦，充分享受人性化服务。

（4）学校老师可以通过订票系统查询统计订票信息，提醒并帮助学生及时订票，保证学生安全出行；老师可准确掌握节假日和外出实习时的学生出行动态，减轻学生出行管理方面的压力；学校管理人员可对统计的数据进行分析，挖掘数据现象背后的事实。如分析学生暑假外出打工的原因，加强学生管理。

该系统可以解决当前高校学生预订客票的实际困难，利于学校对学生安全出行及外出集中实习教学的管理，同时可以提高客运站的信息化管理水平、客流预测能力和服务质量。

本文以河南理工大学校园客运订票系统为例展开论述，而据教育部统计截止2013年全国普通高等学校数量达2 491所，普通本专科在校学生数量达2 468万余人，在校学生数量近几年一直保持增长趋势[10]。若校园客运订票系统推广至火车、民航等客运订票系统，并在全国高校推广应用，将惠及两千余万学生，带来极大的经济效益和社会效益。订票系统有待对铁路、公路和民航互联互通进一步研究，实现资源共享、数据互换全方位服务。

[1]孙春峰.学生火车票预订管理信息系统的规划与设计[D].长沙：中南大学，2007.

[2]冯心伟.中山学院学生火车票预订管理信息系统的设计与实现[D].中山：电子科技大学，2012.

[3]张霞，张志强，吕晓艳，等.铁路学生团体票订票系统的设计与实现[J].铁路计算机应用，2013（4）：18-21.

[4]商恩福.网上订票系统分析与设计[J].电脑编程技巧与维护，2009（16）：13-19.

[5]张守祥，周全明.计算机网络技术与设计[M].北京：清华大学出版社，2014.

[6]袁芳.基于ASP技术的学生信息管理系统的设计与实现[J].电脑编程技巧与维护，2011（6）：42-43.

[7]董长虹.MATLAB神经网络与应用[M].北京：国防工业出版社，2005.

[8]尚涛.MATLAB基础及其应用教程[M].北京：电子工业出版社，2014.

[9]周品.MATLAB神经网络设计与应用[M].北京：清华大学出版社，2013.

[10]中华人民共和国教育部.各级各类学历教育学生情况[EB/ OL].(2014.12.15)[2014.12.30].http://www.moe.edu.cn/pub⁃licfiles/business/htmlfiles/moe/s8493/201412/181593.html.

Campus Booking System for Highway Passenger Transportation Based on Student Travel Management

ZHANG Guo-sheng,JIA Zheng-wen，WEI Hai-xia,SU Er-lei,HAN Ning-ning
(School of Civil Engineering，Henan Polytechnic University,Jiaozuo 454000,China)

For students travel was strongly planed,well organized,and highly centralized,a campus booking system for highway passenger was developed based on B/S architecture,Ajax technology,and the BP neural network prediction model.Through the booking system,students can order tickets.And the administrative department of schools can search real-time data about students′travel at the same time,grasp the dynamic status of students′travel,achieve the management of students′safety travel and centralized internship teaching.The system was easy to help passenger transport departments timely han⁃dle problems caused by students′peak flow.Moreover,through digging and forecasting data about ticket⁃ing information,passenger transport department can improve the level of informatization management and the quality of service.The passenger volume was predicted by the booking system.The results showed that the error between predicted data and actual passenger volume was small,and more accurate information of passenger transport was provided by the booking system.

booking system;BP neural network;students passenger flow;travel management;cam⁃pus

U491

A

2095-9931（2015）02-0090-07

10.16503/j.cnki.2095-9931.2015.02.016

2015-01-11

张国胜（1990—），男，河南濮阳人，本科生，主要研究方向为土木工程。E-mail:guosheng_z@163.com。