详情

原文传递公交车辆到站时间预测方法研究

论文题名：	公交车辆到站时间预测方法研究
关键词：	公交车辆;到站时间;预测方法;站点停靠时间;区间平均行驶速度
摘要：	公交车辆到站时间是公交智能化的重要体现之一，提高公交车辆到站时间预测的精度对于提升公共交通服务水平、缓解交通拥堵、减少乘客出行成本、实现公交系统的信息化具有重要的推动作用。　　首先，论文分析了公交运营数据采集的原理、方法和特点，设计了GPS数据插值算法和公交线路离散化算法对公交运营数据进行处理。通过对公交车辆运行过程和到站时间的影响因素进行分析，把站点停靠时间和区间平均行驶速度作为输入变量，并设计了获取输入变量的算法。　　其次，论文以站点停靠时间和区间平均行驶速度为输入变量，建立了基于区间长度的统计方法到站时间预测模型(Statistical Method Bus Arrival Time PredictionModel Based on Interval Length，SMBATP-IL)、基于区间长度的卡尔曼滤波到站时间预测模型(Kalman Filter Bus Arrival Time Prediction Model Based on IntervalLength，KFBATP-IL)和基于区间长度的粒子滤波到站时间预测模型(Particle FilterBus Arrival Time Prediction Model Based on Interval Length，PFBATP-IL)，并设计了实现算法的具体流程和步骤。以PFBATP-IL模型作为算例，证明本文提出的预测方法和模型的可行性。　　最后论文选取北京市2条公交线路进行实证分析，以平均绝对误差MAE作为衡量预测结果的指标，选取早高峰(8:00)、平峰(11:00)和晚高峰(17:00)三个时刻，在不同的区间长度(10m，20m，30m)条件下，使用本文建立的模型进行到站时间预测。结果表明不同的区间长度对PFBATP-IL模型的影响最小，KFBATP-IL模型次之，对SMBATP-IL模型的预测结果影响最大。在最优的区间长度条件下，PFBATP-IL模型的预测结果是最优的，相比于KFBATP-IL模型和SMBATP-IL模型的预测结果分别改善了16.86％和28.46％。
作者：	赵衍青
专业：	控制科学与工程
导师：	马继辉
授予学位：	硕士
授予学位单位：	北京交通大学
学位年度：	2017
正文语种：	中文