本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)的公交到站時間預測

  更多相關(guān)文章： GPS數(shù)據(jù) 公交到站時間預測 近鄰算法 支持向量機

【摘要】：大力發(fā)展公共交通提升公共交通出行率可以緩解城市交通污染交通擁堵等問題。向出行者提供公交車的到站時間信息可以極大地提高公交服務滿意度,從而提高公交出行率；向公交管理者提供公交到站時間可以為智能調(diào)度系統(tǒng)提供數(shù)據(jù)依據(jù),優(yōu)化公交調(diào)度系統(tǒng)。本文將分別對公交車站內(nèi)停靠時間和站間行程時間分別進行預測研究,進而構(gòu)建公交到站時間預測模型。首先,本文說明了公交到站時間預測研究的重要性和必要性,總結(jié)了目前國內(nèi)外公交到站時間預測方法,并分析了這些已有的預測方法的優(yōu)缺點和存在的問題。其次,介紹了目前公交車信息采集方法的類型及其特點,并重點研究了公交車GPS數(shù)據(jù)。根據(jù)公交車的行駛規(guī)律提出了一種GPS數(shù)據(jù)處理方法,從中提取出公交車的停站時間、站間行程時間等行駛信息。第三,本文分別對公交車的站內(nèi)停靠時間和站間行程時間的影響因素進行分析,然后分別建立停站時間和站間行程時間預測模型。停站時間預測分別采用歷史數(shù)據(jù)均值法和近鄰算法(KNN)；站間行程時間預測分別采用歷史數(shù)據(jù)均值法、時間序列法以及支持向量機(SVM)這三種方法。另外,本文采用南京市1路公交的GPS數(shù)據(jù)進行模型驗證,驗證結(jié)果表明基于KNN的停站時間預測模型和基于SVM的站間行程時間預測模型具有較高的預測精度。最后,結(jié)合停站時間和站間行程時間預測模型構(gòu)建公交到站時間預測模型,并對公交到站時間預測系統(tǒng)進行總體介紹。
【關(guān)鍵詞】：GPS數(shù)據(jù) 公交到站時間預測 近鄰算法 支持向量機
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491.17
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 研究背景及研究意義9-10
• 1.2 國內(nèi)外研究綜述10-14
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.2.3 研究現(xiàn)狀分析13-14
• 1.3 研究內(nèi)容與技術(shù)路線14-15
• 1.4 研究關(guān)鍵問題及其解決方法15-16
• 1.5 論文組織與框架結(jié)構(gòu)16-17
• 第二章 公交車行駛信息提取17-25
• 2.1 公交車數(shù)據(jù)采集17-18
• 2.2 GPS原始數(shù)據(jù)說明18-19
• 2.3 公交車行駛數(shù)據(jù)提取19-23
• 2.3.1 插值處理19
• 2.3.2 行駛數(shù)據(jù)提取方法19-22
• 2.3.3 GPS數(shù)據(jù)處理方法總結(jié)22-23
• 2.4 實例數(shù)據(jù)處理結(jié)果23-25
• 第三章 公交車停站時間預測25-33
• 3.1 公交站�？繒r間影響因素分析25-26
• 3.2 基于歷史數(shù)據(jù)均值的停站時間預測26-28
• 3.2.1 預測模型建立26-28
• 3.2.2 預測模型實例驗證28
• 3.3 基于KNN的停站時間預測28-32
• 3.3.1 預測模型建立29-30
• 3.3.2 預測模型實例驗證30-32
• 3.4 兩種停站時間預測模型對比32
• 3.5 本章小結(jié)32-33
• 第四章 站間行程時間預測33-47
• 4.1 基于歷史平均值的站間行程時間預測33-35
• 4.1.1 預測模型建立33-34
• 4.1.2 實例驗證34-35
• 4.2 基于時間序列的站間行程時間預測35-37
• 4.2.1 預測模型建立35
• 4.2.2 預測模型輸入數(shù)據(jù)35-36
• 4.2.3 實例驗證36-37
• 4.3 基于SVM的站間行程時間預測模型37-43
• 4.3.1 標準支持向量機模型介紹37-39
• 4.3.2 支持向量機回歸預測模型39
• 4.3.3 基于支持向量機回歸的站間行程時間預測模型39-41
• 4.3.4 站間行程時間預測模型輸入數(shù)據(jù)41
• 4.3.5 實例驗證41-43
• 4.4 站間行程時間預測模型的預測結(jié)果對比43-45
• 4.5 本章小結(jié)45-47
• 第五章 公交到站時間預測模型47-52
• 5.1 到站時間預測模型47-48
• 5.2 到站時間預測實例48-50
• 5.3 公交到站時間信息服務系統(tǒng)框架50-52
• 第六章 總結(jié)與展望52-55
• 6.1 主要研究總結(jié)52-53
• 6.2 主要創(chuàng)新點53-54
• 6.3 研究展望54-55
• 附錄55-59
• 致謝59-60
• 碩士期間研究成果60-61
• 參考文獻61-63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李嘉;劉春華;胡賽陽;王芳;;基于交通數(shù)據(jù)融合技術(shù)的行程時間預測模型[J];湖南大學學報(自然科學版);2014年01期

2 王建;鄧衛(wèi);;基于貝葉斯網(wǎng)絡組合模型的公交駐站時間預測[J];城市交通;2012年05期

3 左忠義;楊廣川;邵春福;;基于公交優(yōu)先的小汽車出行向公交轉(zhuǎn)移模型研究[J];交通運輸系統(tǒng)工程與信息;2012年01期

4 韓浩明;祝勇俊;束文濤;;基于物聯(lián)網(wǎng)的智能公交系統(tǒng)[J];科技信息;2011年27期

5 聶慶慧;夏井新;張韋華;;基于多源ITS數(shù)據(jù)的行程時間預測體系框架及核心技術(shù)[J];東南大學學報(自然科學版);2011年01期

6 高潔;;基于回歸分析的公交站點車輛�？垦诱`模型設計[J];交通科技與經(jīng)濟;2009年06期

7 閆國華;朱永生;;支持向量機回歸的參數(shù)選擇方法[J];計算機工程;2009年14期

8 陳星光;周晶;朱振濤;;城市交通出行方式選擇的演化博弈分析[J];管理工程學報;2009年02期

9 呂磊;韓印;范海雁;;基于智能公交系統(tǒng)的公交優(yōu)先發(fā)展戰(zhàn)略研究[J];交通與運輸(學術(shù)版);2007年02期

10 陳巳康;詹成初;陳良貴;;基于路段行程時間的公交到站預測方法[J];計算機工程;2007年21期

，

本文編號：590323