公交车辆到站时间预测研究

论文摘要

公交车辆到站时间是出行者最为关心的交通信息之一,提高公交车辆到站时间预测模型的精度和可靠性,可对城市公共交通的发展起到积极的推动作用。论文系统地分析了公交车辆到站时间的组成部分和影响因素,选取公交车辆在前续站点的到站时间、停靠时间和延误程度为预测模型的输入变量,设计并实现了基于车辆GPS数据的插值方法、数据库结构和数据处理算法,得到了公交车辆在每站的详细运行数据。在此基础之上,论文首先提出了基于平均行驶和停靠时间的统计模型；随后建立了BP人工神经网络预测模型,使用样本数据来训练神经网络,拟合前续站点到站时间、停靠时间和延误程度与后续到站时间之间的非线性关系,利用实时的已到站信息对后续到站时间进行预测；最后提出了改进的非参数回归模型,先对搜索数据库进行聚类分析,随后对状态向量进行主成分分析以达到降维的效果,在此基础之上选取K近邻机制和加权平均预测算法来构建模型。最后论文对北京公交16路实际采集来的3369组数据进行实证分析,以上行方向为例,详细分析了数据特性,选取相对平均误差MRE作为评价模型预测效果的指标,对三个模型进行了计算,发现非参数回归预测模型在最优K值条件下的平均预测误差最小,相对于统计模型和人工神经网络模型分别改善了55.15%和40.24%。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景和意义
• 1.2 论文结构和主要内容
• 2 国内外研究综述
• 2.1 国内外公交车辆到站时间预测模型
• 2.1.1 基于历史数据的预测模型
• 2.1.2 回归预测模型
• 2.1.3 基于道路路段平均速度的预测模型
• 2.1.4 时间序列模型
• 2.1.5 卡尔曼滤波模型
• 2.1.6 人工神经网络模型
• 2.1.7 基于支持向量机和卡尔曼滤波的预测模型
• 2.1.8 基于离散傅里叶变换和公交车辆延误的预测模型
• 2.2 国内外公交车辆到站时间预测系统应用现状
• 2.3 本章小结
• 3 公交车辆到站时间影响因素分析与数据预处理
• 3.1 路段行驶时间影响因素分析
• 3.2 站点停靠时间影响因素分析
• 3.3 公交车辆到站时间影响因素选取
• 3.4 数据采集
• 3.4.1 数据采集设备
• 3.4.2 数据格式和传输协议
• 3.5 数据处理
• 3.5.1 数据误差分析
• 3.5.2 数据插值处理
• 3.5.3 数据处理算法设计与实现
• 3.5.4 数据校验
• 3.6 本章小结
• 4 公交车辆到站时间预测模型建立
• 4.1 基于平均行驶和停靠时间的统计模型
• 4.2 基于BP人工神经网络的预测模型
• 4.3 基于非参数回归的预测模型
• 4.3.1 非参数回归方法的特点和适用性
• 4.3.2 非参数回归方法的基本步骤
• 4.3.3 改进的非参数回归预测模型
• 4.4 本章小结
• 5 实证分析
• 5.1 实验数据来源
• 5.2 实验数据特性分析与误差指标选取
• 5.3 统计预测模型实验结果
• 5.4 BP人工神经网络预测模型实验结果
• 5.5 非参数回归预测模型实验结果
• 5.6 模型效果对比与分析
• 5.7 本章小结
• 6 总结与展望
• 参考文献
• 附录A
• 附录B
• 附录C
• 附录D
• 附录E
• 作者简历
• 学位论文数据集