隨著城市建設的不斷發(fā)展,城市道路交通環(huán)境日趨復雜多變,在城市道路上行駛的公交車會受到交通信號、社會車輛、行人等因素的干擾,造成公交車行駛狀態(tài)的不穩(wěn)定,尤其是在發(fā)展中國家,由于車輛過多、交通方式多樣化和車道紀律嚴重缺乏,這種不穩(wěn)定被進一步擴大,使得公交行程時間的預測精度大大降低。因此本文旨在通過分析我國公交車行駛特性,挖掘公交車行程時間影響因素,劃分城市道路交通狀態(tài),開發(fā)出關(guān)于公交行程時間的預測算法并進行實例驗證,最終達到提高公交服務質(zhì)量、增加公交吸引力的目的。首先,本文明確了研究公交行程時間預測方法的重要性和必要性,總結(jié)和分析國內(nèi)外學者近些年在有關(guān)方面的研究成果,依據(jù)國內(nèi)外相關(guān)研究現(xiàn)狀的分析,梳理本文的研究思路和技術(shù)路線,確定本文的主要研究內(nèi)容。其次,本文通過分析硬件設備收集到的車輛自動定位數(shù)據(jù)的結(jié)構(gòu)特點,針對其存在的數(shù)據(jù)質(zhì)量問題自主設計出數(shù)據(jù)預處理算法,并通過Matlab2014b軟件編寫算法程序,提取出本文實驗所需數(shù)據(jù)信息。根據(jù)我國城市公交車的行駛規(guī)律,結(jié)合我國道路運行現(xiàn)狀,分析公交行程時間的時變特性和波動特性。統(tǒng)計分析公交車行程時間在休息日和工作日上的變化趨勢,探究其在時間和空間... 

【文章來源】： 劉明鑫 吉林大學

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

技術(shù)路線圖

比如城市高樓和樹木等遮擋物影響了信號的傳輸，使信號在傳輸過程中受到了遮擋及反射，進而引發(fā)了AVL系統(tǒng)記錄的時間點發(fā)生異常。由于獲取的公交車數(shù)據(jù)或多或少的都會存在上述誤差，所以對原始數(shù)據(jù)必須進行數(shù)據(jù)預處理之后，才能用于對公交車行程時間預測方法的研究。2.2.2數(shù)據(jù)預處理方法本文通過Matlab軟件自主設計出提取公交車站點行程時間的算法程序。根據(jù)得到的行駛?cè)罩緮?shù)據(jù)，公交站點標識數(shù)據(jù)，公交車編號數(shù)據(jù)三個數(shù)據(jù)集合，通過一系列的提娶計算、刪除操作得到公交車的行程時間。本文的公交行程時間預處理算法流程圖如圖2.2所示：開始讀取三個數(shù)據(jù)集確定目標線路依據(jù)目標線路提取公交車編號依據(jù)目標線路提取站點標識依據(jù)公交車編號與站點標識提取公交車進出站時刻刪除記錄計算公交車站點行程時間結(jié)束與其它行駛記錄是否重復？是否有與之對應的站點進出時刻？是否否是行程時間是否為負？是否保存公交行程時間數(shù)據(jù)圖2.2公交行程時間預處理算法流程圖需要注意的是，公交站點標識數(shù)據(jù)集中所有線路的公交站點標識都是從01開始，也就是說不同線路的不同公交站點可能具有相同的站點標識，同一個站點在不同線路上也具有不同的站點標識。依據(jù)圖2.2的預處理算法流程，本文先是將三個需要用到的數(shù)據(jù)集導入，然后根據(jù)選取的實驗線路提取在該線路上行駛的公交車的車輛編號和公交�？空镜臉俗R，接著根據(jù)公交車編號提取出對應的公交車的進出站數(shù)據(jù)記錄，之后根據(jù)站點標識控制數(shù)據(jù)質(zhì)量，判斷是否出現(xiàn)數(shù)據(jù)異常，最終可以得到公交車在線路上所有站點的進出站時刻集合。與此同時，由于本文

第2章公交行程時間變化特性分析11圖2.313路公交車行駛線路圖公交行程時間時變特性分析本節(jié)將主要分析公交行程時間的時變特性，也就是公交車的行程時間隨著時間的變化規(guī)律，需要注意的是要考慮到公交車行駛空間的大小，即分析了空間不同時時變特性的相似性與差異性。2.3.1公交行程時間長距離變化特性一般來說，城市交通出行需求隨著時間的變化而發(fā)生變化，隨之引起交通流量、密度等參數(shù)的變化，最終影響到公交車輛的站間行程時間，因此公交車的行程時間變化與時間的變化之間存在著一定的潛在規(guī)律。本文首先對整條線路也就是長距離的時間變化特性加以分析，以一個小時為時間間隔，在工作日期間其變化特性如圖2.4所示。0500100015002000250030003500567891011121314151617181920行程時間（S）時刻（小時）星期一星期二星期三星期四星期五

【參考文獻】：
期刊論文
[1]Memory Analysis for Memristors and Memristive Recurrent Neural Networks[J]. Gang Bao,Yide Zhang,Zhigang Zeng.  IEEE/CAA Journal of Automatica Sinica. 2020(01)
[2]基于公交優(yōu)先的小汽車出行向公交轉(zhuǎn)移模型研究[J]. 左忠義,楊廣川,邵春福.  交通運輸系統(tǒng)工程與信息. 2012(01)
[3]聚類算法綜述[J]. 向培素.  西南民族大學學報(自然科學版). 2011(S1)
[4]倡導“綠色出行”打造“公交城市”[J]. 劉小明.  建設科技. 2009(17)
[5]城市交通出行方式選擇的演化博弈分析[J]. 陳星光,周晶,朱振濤.  管理工程學報. 2009(02)
[6]公交優(yōu)先政策研究[J]. 黃石鼎.  管理世界. 2008(04)
[7]基于智能公交系統(tǒng)的公交優(yōu)先發(fā)展戰(zhàn)略研究[J]. 呂磊,韓印,范海雁.  交通與運輸(學術(shù)版). 2007(02)
[8]中國城市交通問題剖析及改善對策[J]. 全永燊,劉瑩,陳金川.  城市交通. 2007(04)
[9]應用支持向量機預測公交車運行時間[J]. 于濱,楊忠振,林劍藝.  系統(tǒng)工程理論與實踐. 2007(04)
[10]城市公共交通發(fā)展的交通成本分析[J]. 劉麗亞,張超.  綜合運輸. 2007(01)

碩士論文
[1]基于深度學習的交通標志識別研究[D]. 朱松.安徽理工大學 2019
[2]城市機動車保有量預警模型研究[D]. 高勇.重慶交通大學 2019
[3]城市公交車輛到站時間預測方法研究[D]. 周帥帥.華東交通大學 2017
[4]基于相似路段劃分的公交車行程時間預測方法研究[D]. 郝明.遼寧大學 2017
[5]公交車輛到站時間預測方法研究[D]. 趙衍青.北京交通大學 2017
[6]常規(guī)公交站點�？繒r間分析與預測方法[D]. 馬尚萱.東南大學 2016
[7]基于數(shù)據(jù)挖掘技術(shù)的公交到站時間預測[D]. 辛建霞.東南大學 2016
[8]公交車輛行程時間預測方法研究[D]. 朱麗穎.北京交通大學 2010
[9]智能公交車輛到站時間預測研究[D]. 李福雙.北京交通大學 2009
[10]基于GPS/GIS實時定位系統(tǒng)的設計與實現(xiàn)[D]. 馬飛.西南交通大學 2005



本文編號：2938092