原文传递
基于静态和动态算法结合的公交到站时间预测
| 论文题名： | 基于静态和动态算法结合的公交到站时间预测 |
| 关键词： | 公共交通系统;到站时间预测;静态算法;动态算法 |
| 摘要： | 随着现代化城市的高速发展，市民对于生活质量的要求逐步提高，私家车数量急剧提升，如何解决有限的交通道路资源和提升公共交通形象已经成为急需研究的问题，而在公共交通系统中，提高公交到站时间预测精确度对公交系统满意度以及减少私家车数量、缓解交通压力等方面都有很大帮助。 首先，本文介绍了公交到站时间预测的研究背景和相关研究现状，并且介绍了一些已经存在并且用于公交到站时间预测的模型。 其次，对可能影响公交到站时间的因素以及通过GPS设备采集的数据产生差错的原因进行了分析，给出了对原始数据进行预处理的过程以及如何纠正错误数据。对于本文提出的静态算法结合动态算法的两个基本算法的内容进行了详尽的描述，介绍了静态算法即支持向量机(SVM)分类和回归的原理以及常用的核函数和核函数的参数等。之后描述的是动态修正算法卡尔曼滤波的基本原理以及五个基本的状态更新递推方程，在不断根据上一个状态以及当前状态的输入变量对下一个状态进行预测。由于卡尔曼滤波只使用了上一个状态的新息，因此考虑了对卡尔曼滤波算法基于多新息理论进行改进，即不只是依赖于上一个状态而是多个过去有用的数据。 然后，为了验证本文提出算法的有效性，选择了绍兴BRT1号线作为研究对象，将2013年绍兴BRT1号线的历史数据作为SVM回归训练。经过整理过后包括4个输入向量：高峰期与平峰期、工作日与周末、是否是国家法定节假日、天气情况等。通过卡尔曼滤波算法对预测结果进行动态修正。实验选择了静态SVM回归预测结果、SVM回归结合标准的卡尔曼滤波预测结果、SVM回归结合改进的多新息卡尔曼滤波预测结果进行对比分析，得出本文提出的模型预测值与实际的到站时间相比误差率最低。 最后，对本文做的一些工作和贡献进行了总结，对于本文的一些需要进一步改进的地方以及未来的研究内容进行了相应的说明。 |
| 作者： | 彭俊伟 |
| 专业： | 软件工程 |
| 导师： | 郑宁;僧德文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 杭州电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
