基于共线线路AVL数据的公交车到站时间预测方法研究

摘要

现阶段随着城市居民生活水平的提高，出行者对于公共交通服务水平有了更高的要求。公交车到站时间作为出行者最为关心的信息之一，直接影响着公交出行的吸引力。而对于公交管理者来说，实时准确的公交到站时间信息有助于减少车辆的在站延误、优化调度排班计划表等。但由于公交车辆在运营过程中受到的干扰因素较多，已有的基于单条线路的公交到站时间预测方法难以取得理想的效果。此外，在拥有丰富的公交AVL离线数据基础上，在同一路段上运营的其他线路的信息却并未得到充分利用。　　针对以上不足，本文提出了一种基于共线线路运营数据的到站时间预测方法，并以成都市公交AVL数据为研究基础，采用数据分析方法结合实例研究，验证该预测方法的有效性。本文具体工作如下：　　首先，本文从预测模型和预测对象两个方面对国内外已有的到站时间预测研究进行分析和对比，指出本研究需要解决的关键问题。针对原始数据中存在的数据质量问题，提出面向公交到站时间预测的AVL数据预处理方法。　　其次，论文建立了基于共线线路融合数据的公交车到站时间预测模型。模型考虑了共线线路的前车行程时间和车头时距，并选用支持向量机和前馈神经网络算法进行预测。　　本文选取成都市人民南路和蜀都大道的部分路段作为研究对象，对预测模型进行实例验证。研究结果表明，基于共线线路融合数据的模型预测结果均优于基于单线路运营数据的预测模型。此外，本文还对支持向量机和前馈神经网络算法的预测效果进行评价和比较，综合模型预测精度和实用性来看，支持向量机模型的预测性能优于前馈神经网络模型。　　最后，分别讨论了通道行程时间波动性、通道长度、共线线路数对模型预测效果的影响。研究结果表明，通道行程时间的波动性与预测结果之间存在较强的相关关系；随着通道长度的增加，预测精度呈现出上升的趋势；而关于共线线路数对预测效果的影响，目前研究还未得出一致的结论，有待后续进一步探索。

目录

声明

第1章绪论

1.1 选题背景

1.2 研究意义

1.3 国内外研究现状

1.3.1 公交到站时间预测应用现状

1.3.2 基于预测模型的分析

1.3.3 基于预测对象的分析

1.4 研究目标、方法与技术路线

1.4.1 研究目标

1.4.2 研究方法与技术路线

1.5 论文主要内容和结构安排

第2章公交AVL数据预处理及分析

2.1 智能公交系统简介

2.2 AVL数据处理

2.2.1 数据结构

2.2.2 AVL和GIS数据关联

2.2.3 AVL数据质量问题

2.2.4 AVL数据预处理

2.3 多线路运营数据处理案例分析

2.3.1 数据预处理过程

2.3.2 通道行程时间特征分析

2.4 本章小结

第3章 基于共线线路的公交到站时间预测模型

3.1 预测模型框架

3.2 输入变量处理

3.2.1 模型假设及参数设置

3.2.2 车头时距变量

3.2.3 行程时间变量

3.3 机器学习算法简介

3.3.1 支持向量机

3.3.2 神经网络

3.4 本章小结

第4章 公交到站时间预测模型实例研究

4.1 实例通道说明及数据分析

4.1.1 实例通道说明

4.1.2 实例数据分析

4.2 评价指标选取

4.3 预测结果分析

4.3.1 支持向量机模型预测结果分析

4.3.2 神经网络模型预测结果分析

4.3.3 不同模型预测结果对比

4.4 本章小结

第5章基于共线线路的公交到站时间预测模型适应性分析

5.1 行程时间波动性分析

5.2 预测精度分析

5.2.1 路段长度

5.2.2 共线线路数

5.3 本章小结

结论与展望

一、研究结论

二、研究展望

致谢

参考文献

附录一

附录二

攻读硕士学位期间发表的论文及科研成果