原文传递
基于时空信息与神经网络的公交车辆到站时间预测
| 论文题名： | 基于时空信息与神经网络的公交车辆到站时间预测 |
| 关键词： | 公交车辆;到站时间预测;时空信息;神经网络 |
| 摘要： | 随着国家经济实力和科技水平的提升，人们的生活水平得到了显著提高，私家车数量也大幅增长，这使得道路交通面临的压力愈发变大。私家车数量的大幅增长，不可避免地带来交通拥堵、环境污染，甚至是交通事故等等诸多方面的问题，以致于对人们的生活产生各种负面影响。大力发展智能公共交通运输系统，实时记录公交车辆的运行数据和监控信息，对于进行高效的公交车辆运营和调度至关重要。同时也有利于实现节约型公共交通系统，避免资源的浪费，推动城市公共交通的绿色可持续性发展。直观地讲，在城市公交车辆运行的过程中，有许多随机因素影响车辆的到达时间，例如天气、交通路况、交叉路口情况、早晚高峰期等等。因此，利用公交车辆的实时运行数据，研究车辆到达时间的预测模型，提高车辆到达时间预测的准确性，可以在很大程度上方便乘客出行，大大提高用户乘车体验。本文首先给出了国内和国外当前在公交到站预测领域的技术应用与研究现状，并对已有的成果进行了对比分析。重点分析了常见的几种到站时间预测技术的理论基础与各自优缺点。其次，基于本文对原始数据的处理以及对特征向量的获取，提出了一种基于时空信息的神经网络来实现对公交到站时间的预测。使用天津市2018年12月1日至2018年12月15日共计15天公交车辆的GPS数据进行模型训练，相比于其它使用单辆公交数据预测的方法，本文的输入利用了更多的GPS数据，数据更完整。同时使用同一路线上所有车辆运行状态来隐性的表示当前路况，降低了特征值提取的难度与复杂度。最后，将本文的模型与SimpleNN和XGBoost等模型进行对比。根据误差分布图、预测值与真实值的差异对比图、平均绝对误差与均方根误差进行分析。结果表明，本文提出的预测模型性能更佳，预测效果也更准确，并且不受工作日与高峰期等因素的影响，与其它仅分析单一线路的模型相比，本文预测模型的适用性更广。 |
| 作者： | 常青 |
| 专业： | 计算机技术 |
| 导师： | 刘春凤;王永进 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
