基于SVM和Kalman滤波的公交到站时间预测方法研究

摘要

在当今时代，随着社会经济的快速发展，中国的大多数城市人口密度急剧增长，给道路交通带来很大的压力，发展智能公交系统成为当今的首要问题。提高公交到站时间预测模型的可靠性和精确度，可以方便居民合理安排出行时间、减少在站台的等待时间，有助于公交运营企业合理调度公交车辆，推动城市公共交通的发展。然而由于城市路网复杂，影响公交车辆行驶的因素种类繁多且相互影响，很难准确地预测公交到站时间。本文通过对具体城市的交通状况进行分析，建立合适的公交到站时间预测模型，具有重要的实际意义。
　　对国内外公交到站时间预测的研究现状进行对比和分析，重点研究相关理论与技术，给出预测模型的总体结构。从多个角度分析公交GPS数据产生误差的原因，并从误差产生的根源出发，给出对应的解决方案;利用现有的公交历史数据，分析影响公交行驶因素;利用样本数据并结合聚类分析算法，分析公交车在全天时段内的行驶规律;分析历史样本数据和实时样本数据之间的规律，探讨特征输入选取问题，得出特征选取的一些方法和策略。
　　在分析影响公交车辆行驶因素及其行驶规律后，确定预测模型的输入条件因素及参考数据。依据车辆行驶时的状态，将总的行驶时间分为站间行驶时间和站点停靠时间两个部分，站间行驶时间分别使用基于改进粒子群算法的支持向量机模型和多元线性回归模型进行预测，站点停靠时间使用频数加权数据融合技术进行预测，从而得到一个预测的基准时间，再利用实时数据使用卡尔曼滤波算法对基准时间进行动态修正，从而得到最终的预测到站时间。最后，选择大连市10路公交线路的GPS原始数据对预测模型进行实验，结果证明该模型较之已有的典型算法预测精度有明显提高。

目录

声明

摘要

1．1 研究背景和意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．3 主要研究内容

1．4 论文组织结构

1．5 本章小结

第2章 相关理论技术

2．1 卡尔曼滤波理论

2．2 支持向量机理论

2．2．1 VC维与结构风险

2．2．2 分类预测原理

2．2．3 松弛变量与惩罚因子

2．2．4 核函数

2．3 网格搜索算法

2．4 粒子群算法

2．5 聚类分析理论

2．6 本章小结

第3章 公交车行驶规律分析

3．1 GPS数据采集及预处理

3．1．1 数据误差产生原因

3．1．2 数据误差处理

3．2 相关数据存储

3．3 公交到站时间影响因素分析

3．3．1 路段行驶影响因素

3．3．2 站点停靠影响因素

3．3．3 影响因素综合分析

3．4 公交车行驶规律分析

3．4．1 公交车行驶时间和时段分析

3．4．2 公交车行驶时间同日同时段规律

3．4．3 公交车行驶时间历史同时段规律

3．5 公交车路段行驶速度估计

3．6 本章小结

第4章 公交到站时间预测模型建立

4．1 到站时间预测模型总体设计

4．2 站间行驶时间预测模型

4．2．1 改进粒子群算法的支持向量机预测模型

4．2．2 多元线性回归模型预测站间行驶时间

4．3 站点停靠时间预测模型

4．4 卡尔曼滤波动态修正到站时间

4．5 到站时间预测模型设计总结

4．6 本章小结

第5章 实验与分析

5．1 实验数据选取

5．2 性能评价指标

5．3 模型测试和数据分析

5．3．1 站间行驶时间预测模型测试分析

5．3．2 站点停靠时间预测模型测试分析

5．3．3 卡尔曼滤波动态修正模型测试分析

5．4 案例应用

5．5 本章小结

第6章 总结与展望

6．1 论文工作总结

6．2 下一步研究工作

参考文献

攻读学位期间公开发表论文

致谢