原文传递
考虑不确定性影响的公交到站时间区间预测方法研究
| 论文题名： | 考虑不确定性影响的公交到站时间区间预测方法研究 |
| 关键词： | 公交到站时间;预测方法;不确定性;支持向量回归机;区间上下界估计法 |
| 摘要： | 随着城市的飞速发展，城市交通问题也日益严重，优先发展公共交通已经成为了我国城市交通长期坚持的发展战略。然而，公交延误现象频发，系统运行效率和服务水平较低，使得人们对公交出行的满意度不高。准确的预测公交车辆的到站时间，可以提高公交系统的服务水平，降低出行延误，对于公交出行者合理地进行选择出行时间、规划出行路线等具有重要的意义。本文在考虑公交到站时间点预测不确定性的基础下，提出一种基于支持向量回归机(SVR)和区间上下界估计方法(LUBE)的公交到站时间区间预测方法。 首先，介绍了公交车GPS数据的采集过程和处理方法，包括异常数据以及缺失数据的处理。利用处理后的数据进行公交运行数据的提取与分析，并结合公交车辆运行特性及其影响因素的分析结果，确定公交到站时间预测模型潜在的输入变量，为后期预测模型的构建做基础。 其次，本文在公交到站时间预测中考虑了不确定性的影响，通过分析到站时间预测的不确定性及其表达方式，提出了采用预测区间的方法对到站时预测过程中的不确定性进行定量分析。同时引入了重抽样法、贝叶斯法、Delta分析法和区间上下界估计法四种预测区间量化分析方法，提出了基于SVR-LUBE的公交到站时间区间预测模型。 在此基础上，分析和讨论了公交到站时间区间预测的评价指标和目标函数，确定了区间预测模型的输入与输出，并结合粒子群优化算法，构建了公交到站时间区间预测方法。最后，基于南京市公交550路车辆运行数据，以桥北客运站至大桥饭店站以及大桥饭店站至农贸市场站为例，对工作日内的公交到站时间区间进行预测。并利用区间覆盖率以及区间长度等区间预测评价指标，对本文提出的区间预测模型的预测效果进行检验。 实例分析表明，本文提出的公交到站时区间预测方法是可行的、有效的，在不同的置信水平下，其测试路段的到站时间预测值与预测目标的误差均在8％左右。与基于神经网络的Bootstrap方法相比，本文的方法在保证预测准确性和可靠性的同时，能够具有更小的预测区间范围，其预测区间的质量较高，预测性能更好。值得注意的是，与传统的点预测方法相比，区间预测方法在进行公交到站时间预测的同时，能够给出未来公交车辆到站时间预测结果的置信范围，给予公交出行者一定的出行弹性时间，更有利于出行人员做出正确的判断和选择。 |
| 作者： | 陈科宇 |
| 专业： | 交通运输工程 |
| 导师： | 季彦婕;包渊秋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
