原文传递
基于机器学习的公交车到站时间预测模型研究
| 论文题名： | 基于机器学习的公交车到站时间预测模型研究 |
| 关键词： | 公交车到站时间;GPS数据;KNN模型;长短期记忆网络 |
| 摘要： | 随着城市化进程的不断加快，道路网络中交通供需间的矛盾也随之凸显，交通的供给现今已经远远不能满足人们的出行需求，城市道路愈发拥挤，环境污染愈发严重。在各种解决城市交通问题的方法中，大力发展公交出行是一个主要手段。 准确可靠的公交车到站时间预测是提高公交系统服务质量，吸引乘客选择公交出行的重要途经。因此，本文针对公交车到站时间预测模型展开深入研究，将到站时间预测分为站点停靠时间预测以及站间行程时间预测两部分，分别构建相应的预测模型并通过实验验证模型的有效性。具体研究内容如下： 首先，本文对采集到的数据进行预处理，将有问题的数据进行剔除清洗，对缺失数据进行修复。进一步从全天运行时间、同日同时间段、历史同时间段等角度对现有数据进行分析，研究公交车运行规律，为后续模型构建提供基础。 其次，分别建立公交车站点停靠时间预测模型和站间行程时间预测模型。站点停靠时间预测模型方面，建立PSO-KNN模型。KNN算法经粒子群算法改进后，实时动态优化粒子位置，提高计算效率及预测精度。站间行程时间预测模型方面，建立提取时空特征的GCN-LSTM模型，历史数据输入后，首先经过图卷积神经网络进行空间特性的提取，随后带有空间特性的数据进入到长短期记忆网络中进行时间特性的提取，最终完成公交车站间行程时间的预测。 最后，对本文提出的两种模型进行实验验证。选取山东省聊城市K13路公交车行驶的GPS数据作为实验数据，对数据进行归一化处理后进行两种模型的时间预测。通过与真实值对比分析，本文构建的公交车停靠时间预测模型以及站间行程时间预测模型拟合性较高，误差较小。通过与已有的模型算法比较，进一步检验模型的准确性，通过实验可知本文提出的模型MAPE值更小，模型预测精度更高，是一种实用的模型。 |
| 作者： | 马禹婷 |
| 专业： | 交通运输工程 |
| 导师： | 杨庆芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
