基于支持张量机与动态混合算法的公交车到站时间在线预测研究

摘要

随着社会经济的快速发展，城市居民生活水平的不断提高，机动车保有量和道路交通量急剧增大，交通拥挤、环境污染、能源浪费等诸多问题日益严重，而加快发展公共交通则是解决这些问题的有效途径。加快发展公共交通的关键在于为出行者提供优质的服务，公交车到站时间预测使得出行乘客可以自由的安排出行计划，是提高公交服务质量的一种有效方法。
　　本文首先对国内外到站时间预测技术的研究状况进行了分析和对比，同时介绍了公交车信息采集技术的发展情况和一些预测相关的理论知识。然后利用现有的公交车历史样本数据，分析了影响公交车到站时间的相关因素；利用样本数据并结合聚类分析算法，分析了公交车行驶的时间段规律，挖掘了数据样本中隐藏的先验信息；分析历史数据样本和实时样本数据之间的规律，探讨了特征输入选取问题，并得出了特征选择的一些方法和策略。
　　在分析影响公交车到站时间的因素和行驶规律后，提出了一种基于支持张量机与动态混合算法的公交车到站时间在线预测研究。该算法是一种静态预测与动态在线预测相结合的方法，静态预测算法是一种基于支持张量机的建模预测算法，其特征输入分别为时间段、是否工作日、天气、路段长度和速度，并结合聚类分析得到的时间段信息，充分利用了支持张量机建模时样本数据结构不丢失的特性，提高了预测的效果和精度。动态预测建模根据公交车运行状态，分别构建了三个子模型来预测，通过构建实时数据集结合多元线性模型、梯度下降算法等，并利用了静态预测的基准时间作为参考时间，实现了对公交车到站时间在线预测。
　　最后，采用赣州市K1路公交线路的样本数据对该模型进行了实例验证。结果显示，基于支持张量机与动态混合算法的公交车到站时间在线预测研究与历史均值以及前车均值相比预测精度明显提高，且预测稳定性明显増强。

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 主要研究内容与创新点

1.4 论文的主要研究思路和结构安排

第二章 相关理论与方法介绍

2.1 支持张量机理论

2.2 聚类分析

2.3 常用聚类算法

2.4 多元线性模型和梯度下降算法

2.5 本章小结

第三章 公交车行驶特性及规律分析

3.1 存储数据特性

3.2 测量数据影响

3.3 影响到站时间因素分析

3.4 公交车行驶规律分析

3.5 本章小结

第四章 公交车到站时间模型建立与分析

4.1 聚类分析

4.2 预测模型总设计

4.3 静态预测设计

4.4 动态预测设计

4.5 本章小结

第五章 公交车到站时间预测结果及对比分析

5.1 数据集构建

5.2 实验结果及误差对比分析

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读学位期间的研究成果