公交车辆行程时间预测方法研究

论文摘要

公交车辆行程时间预测主要包括公交车辆站间行程时间预测模型与公交车辆停靠站时间预测模型两部分内容,在考虑我国公交实际运行情况的基础上,本文旨在通过分析公交车辆运行特点、规律,开发预测公交车辆行程时间的方法并进行实例研究,最终达到提高公共交通系统的服务水平、增加公交吸引力、优化出行结构的目的。首先,本文总结分析了目前国内外关于公交车辆行程时间预测技术的主要方法,并且根据各种方法的特点对其进行了分类分析。其次,本文根据公交车辆行程时间预测的数据需要,结合GPS数据特点,提出了一套关于GPS数据处理的方法,应用C#、SQL Server实现了该方法。该方法可根据线路各停靠站点的经纬度信息,智能的提取出站间行程时间、站间停车次数、站点停靠站时间等信息,提高GPS数据处理效率。第三,本文对公交车辆停靠站时间进行了调研,并在调研数据的基础上对公交车辆停靠站时间影响因素进行了分析,建立了公交车辆停靠站时间预测模型。模型包括乘客上下车时间模型、多车门客流分配模型以及停靠站时间模型三部分,该模型可以根据上下车客流、车辆内拥挤情况对停靠车辆的停靠站时间进行预测。第四,本文以公交线路GPS数据处理结果为依据,对公交车辆站间行程时间特性进行了分析,在此基础上提出了基于卡尔曼滤波与基于时间序列的公交车辆站间行程时间预测模型,并对两种模型的预测效果进行了比较分析。最后,本文选取北京市某条公交线路作为实例,利用本文所提出的公交车辆行程时间预测方法对该线路行程时间进行预测,预测结果表明本文所提出方法实现了对公交车辆行程时间准确、可靠的预测。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景
• 1.2 国内外研究综述
• 1.2.1 时空变化规律预测方法
• 1.2.2 行程时间影响因素预测方法
• 1.2.3 数据融合预测方法
• 1.3 研究目的与意义
• 1.4 研究内容与技术路线
• 2 数据采集与处理
• 2.1 数据采集
• 2.1.1 公交车辆停靠站时间数据
• 2.1.2 公交车辆站间行程时间数据
• 2.2 GPS数据预处理
• 2.2.1 GPS数据说明
• 2.2.2 GPS数据质量控制
• 2.2.3 GPS数据处理
• 2.3 本章小结
• 3 公交车辆停靠站时间预测模型
• 3.1 公交车辆停靠站时间影响因素分析
• 3.2 公交车辆停靠站时间预测模型
• 3.2.1 乘客上下车时间模型
• 3.2.2 多车门客流分配模型
• 3.2.3 停靠站时间预测模型
• 3.3 预测结果分析
• 3.4 本章小结
• 4 公交车辆站间行程时间预测模型
• 4.1 公交车辆站间行程时间特性分析
• 4.1.1 SOT波动性分析
• 4.1.2 SOD波动性分析
• 4.2 基于卡尔曼滤波算法的公交车辆站间行程时间预测模型
• 4.2.1 卡尔曼滤波预测方法基本原理
• 4.2.2 基于卡尔曼滤波的公交车辆站间行程时间预测模型
• 4.3 基于时间序列的公交车辆站间行程时间预测模型
• 4.3.1 时间序列预测方法基本原理
• 4.3.2 基于时间序列的公交车辆站间行程时间预测模型
• 4.4 预测结果分析
• 4.4.1 基于卡尔曼滤波的公交车辆站间行程时间预测结果
• 4.4.2 基于时间序列的公交车辆站间行程时间预测结果
• 4.4.3 预测结果对比分析
• 4.5 本章小结
• 5 公交车辆行程时间预测应用实例
• 5.1 公交车辆行程时间预测流程
• 5.2 实例线路及数据说明
• 5.2.1 实例线路说明
• 5.2.2 实例数据说明
• 5.3 预测结果与误差评价
• 5.3.1 预测结果
• 5.3.2 预测结果分析
• 5.4 本章小结
• 6 总结与展望
• 6.1 论文主要工作
• 6.2 研究展望
• 参考文献
• 作者简历
• 学位论文数据集