衡量公交服務(wù)質(zhì)量水平高低的重要指標(biāo)之一是乘客的需求是否得到滿足,其中,公交車輛到站時(shí)間的準(zhǔn)確程度是城市居民最為關(guān)心的信息之一。精確預(yù)測公交車輛的到站時(shí)間并展示給乘客,不僅有利于乘客做出相應(yīng)的出行規(guī)劃,節(jié)約出行時(shí)間與出行成本,同時(shí)可以增加公交系統(tǒng)對(duì)出行者的吸引力,減輕交通壓力,推動(dòng)城市的信息化發(fā)展。首先,本文基于公交數(shù)據(jù)的采集方法和數(shù)據(jù)格式,對(duì)所采集的數(shù)據(jù)進(jìn)行插值與歸一化等預(yù)處理,并根據(jù)公交車輛的運(yùn)行特點(diǎn)與影響因素,確定了本文中所建模型的輸入變量為車輛在需求站點(diǎn)前2-4站的到站時(shí)間,設(shè)計(jì)了相應(yīng)的求解算法,通過Matlab和MapInfo等軟件將其實(shí)現(xiàn)。最終采用跟車調(diào)查法進(jìn)行驗(yàn)證。其次,論文系統(tǒng)的對(duì)比了預(yù)測公交車輛到站時(shí)間的各個(gè)方法,根據(jù)LSTM神經(jīng)網(wǎng)絡(luò)與粒子濾波的原理,結(jié)合二者的優(yōu)缺點(diǎn),提出了基于LSTM神經(jīng)網(wǎng)絡(luò)和粒子濾波的公交車輛到站時(shí)間預(yù)測組合模型(Long Short Term-Memory and Particle Filter,LSTM-PF)。本文對(duì)LSTM-PF模型中的LSTM網(wǎng)絡(luò)模型的學(xué)習(xí)速率進(jìn)行了改進(jìn),并從函數(shù)選擇與網(wǎng)絡(luò)結(jié)構(gòu)兩個(gè)方面對(duì)其進(jìn)行了優(yōu)化。根據(jù)參數(shù)的不同構(gòu)建了不同個(gè)LSTM模型,利用歷史數(shù)據(jù)訓(xùn)練優(yōu)化后的各個(gè)LSTM神經(jīng)網(wǎng)絡(luò),擬合需求站點(diǎn)與之前站點(diǎn)到站時(shí)間之間的非線性關(guān)系,通過實(shí)時(shí)已到站時(shí)間預(yù)測需求站點(diǎn)的到站時(shí)間,最后通過粒子濾波對(duì)LSTM模型的預(yù)測結(jié)果進(jìn)行動(dòng)態(tài)調(diào)整,尋求最精確的到站時(shí)間,并完成了LSTM-PF模型的算例驗(yàn)證。最后,論文選取了北京市具有代表性的2路、438路和46路作為實(shí)驗(yàn)線路,采用LSTM-PF模型對(duì)工作日和非工作日的早高峰、平峰與晚高峰時(shí)刻分別預(yù)測,通過平均絕對(duì)誤差表示模型的預(yù)測準(zhǔn)確程度。結(jié)果表明,不論工作日與否,平均絕對(duì)誤差值基本控制在1.5分鐘內(nèi)。為了進(jìn)一步驗(yàn)證LSTM-PF模型的準(zhǔn)確性,本文將該結(jié)果分別與標(biāo)準(zhǔn)粒子濾波和不同個(gè)標(biāo)準(zhǔn)的LSTM模型所預(yù)測的最優(yōu)的結(jié)果進(jìn)行對(duì)比,得出LSTM-PF模型的預(yù)測結(jié)果更接近于實(shí)際到站時(shí)間。相比較標(biāo)準(zhǔn)LSTM網(wǎng)絡(luò)模型和標(biāo)準(zhǔn)粒子濾波模型,LSTM-PF模型工作日(平均絕對(duì)誤差:41.64秒)的預(yù)測結(jié)果分別改善了 35.84%(平均絕對(duì)誤差:64.90秒)和49.20%(平均絕對(duì)誤差:81.97秒),非工作日(平均絕對(duì)誤差:55.96秒)的預(yù)測結(jié)果分別改善了27.42%(平均絕對(duì)誤差:77.10秒)和38.82%(平均絕對(duì)誤差:91.47秒)。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP183;TN713;U495
【部分圖文】：

２０１．１億，環(huán)境損失為人民幣４５．２億⑴。逡逑由２０１８年北京市交通發(fā)展年度報(bào)告［２］可知，２０１６－２０１７年的不同方式的交通出逡逑行量對(duì)比見圖１－１，中心城工作日日均出行總量為３８９３萬人次（包括步行），同比逡逑上一年有２．４％的增多，綠色出行占總量的７２．１％，比去年增加１．１％。２０１７年共享逡逑單車出現(xiàn)井噴式發(fā)展，很多步行或者短距離的出行方式都轉(zhuǎn)為自行車的方式，從逡逑而出行比例明顯增加，比去年增長１．６％。逡逑１000逡逑８００逡逑６００邐６１８邋５７５＾Ｂ邐逡逑＾邋＾邋Ｂ２０１６逡逑４００邐通邐■■逡逑－ＭｆｔｉｐＥ逡逑地鐵邋公交小汽車出租車自行車其他逡逑圖１－１中心城通勤交通不同方式出行量對(duì)比逡逑Ｆｉｇ．邋１－１邋Ｃｏｍｐａｒｉｓｏｎｓ邋ｏｆ邋ｄｉｆｆｅｒｅｎｔ邋ｍｏｄｅｓ邋ｏｆ邋ｃｏｍｍｕｔｉｎｇ邋ｔｒａｆｆｉｃ邋ｉｎ邋ｃｅｎｔｒａｌ邋ｃｉｔｙ逡逑由于北京市實(shí)施了調(diào)控小汽車數(shù)量的策略，機(jī)動(dòng)車的增加速率出現(xiàn)逐漸下降逡逑的趨向。近幾年，北京市的機(jī)動(dòng)車保有量的發(fā)展情況如圖１－２所示，２０１７年末達(dá)逡逑到了邋５９０．９萬輛，比２０１６年末有１９．２萬輛的增加；私人保有量為４７５．６萬輛，同逡逑比去年增加３．３％。逡逑１邋？逡逑

２０１．１億，環(huán)境損失為人民幣４５．２億⑴。逡逑由２０１８年北京市交通發(fā)展年度報(bào)告［２］可知，２０１６－２０１７年的不同方式的交通出逡逑行量對(duì)比見圖１－１，中心城工作日日均出行總量為３８９３萬人次（包括步行），同比逡逑上一年有２．４％的增多，綠色出行占總量的７２．１％，比去年增加１．１％。２０１７年共享逡逑單車出現(xiàn)井噴式發(fā)展，很多步行或者短距離的出行方式都轉(zhuǎn)為自行車的方式，從逡逑而出行比例明顯增加，比去年增長１．６％。逡逑１000逡逑８００逡逑６００邐６１８邋５７５＾Ｂ邐逡逑＾邋＾邋Ｂ２０１６逡逑４００邐通邐■■逡逑－ＭｆｔｉｐＥ逡逑地鐵邋公交小汽車出租車自行車其他逡逑圖１－１中心城通勤交通不同方式出行量對(duì)比逡逑Ｆｉｇ．邋１－１邋Ｃｏｍｐａｒｉｓｏｎｓ邋ｏｆ邋ｄｉｆｆｅｒｅｎｔ邋ｍｏｄｅｓ邋ｏｆ邋ｃｏｍｍｕｔｉｎｇ邋ｔｒａｆｆｉｃ邋ｉｎ邋ｃｅｎｔｒａｌ邋ｃｉｔｙ逡逑由于北京市實(shí)施了調(diào)控小汽車數(shù)量的策略，機(jī)動(dòng)車的增加速率出現(xiàn)逐漸下降逡逑的趨向。近幾年，北京市的機(jī)動(dòng)車保有量的發(fā)展情況如圖１－２所示，２０１７年末達(dá)逡逑到了邋５９０．９萬輛，比２０１６年末有１９．２萬輛的增加；私人保有量為４７５．６萬輛，同逡逑比去年增加３．３％。逡逑１邋？逡逑

２公交車輛到站過程分析與到站時(shí)間預(yù)測方法逡逑２．１公交車輛到站過程分析逡逑定時(shí)定點(diǎn)定線可以作為公交車輛運(yùn)行的特點(diǎn)，其運(yùn)行過程如圖２－１所示�？蓪㈠义掀溥\(yùn)行過程概括為兩段：路段（站間）行駛過程和站點(diǎn)停靠過程，因此，公交車逡逑輛運(yùn)行過程的時(shí)間主要包括路段行駛時(shí)間、交叉口延誤時(shí)間和站點(diǎn)停靠時(shí)間。由逡逑于公交車輛的運(yùn)行情況復(fù)雜多變，受外界因素影響較大，包括道路因素、車輛因逡逑素、位置因素和時(shí)間段因素等，都難以量化，同時(shí)，其綜合影響使得公交車輛的逡逑運(yùn)行特征具有很強(qiáng)的隨機(jī)性，所以公交車輛到站時(shí)間的運(yùn)行規(guī)律和影響因素需分逡逑段分析處理。逡逑第Ｋ車次的車輛運(yùn)行方向ｄ逡逑邐？逡逑站間行駛過程邐站點(diǎn)�？窟^程逡逑畫邐ｈ邐Ｈ邐Ｈ逡逑？哪…■￣￣｜邋｜￣￣■——■…？逡逑首（末）站邐站點(diǎn)ｉ－ｌ邐交叉口邋站點(diǎn)丨邐站點(diǎn)ｉ＋１邋末（首）站逡逑圖２－１公交車運(yùn)行過程示意圖逡逑Ｆｉｇ．２－１邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｂｕｓ邋ｏｐｅｒａｔｉｏｎ邋ｐｒｏｃｅｓｓ逡逑假設(shè)第々車次的公交車輛在＾方向上運(yùn)行，首站至末站共有？個(gè)站點(diǎn)經(jīng)過，則逡逑該車輛到達(dá)站點(diǎn)／的時(shí)間匕為：逡逑紀(jì)＝Ｇ＋４邐Ｃ２－１）逡逑（２－２）逡逑式（２－１）與式（２－２）中：逡逑７＾——第車次的車輛在ｄ方向上，到達(dá)站點(diǎn)／的時(shí)間；逡逑７＾＇——第Ａ：車次的車輛在ｄ方向上，到達(dá)站點(diǎn)／邋－１的時(shí)間；逡逑４一一第Ａ：車次的車輛在ｄ方向上

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳棟棟;邵毅;景謙平;霍振彬;;北京交通擁堵引起的生態(tài)經(jīng)濟(jì)價(jià)值損失評(píng)估[J];生態(tài)經(jīng)濟(jì);2013年04期

2 陳旭梅;龔輝波;王景楠;;基于SVM和Kalman濾波的BRT行程時(shí)間預(yù)測模型研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2012年04期

3 楊小瑩;彭剛;王濤;王艷琴;;基于量子遺傳粒子濾波的WSN目標(biāo)跟蹤算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年23期

4 姚寶珍;楊成永;于濱;;動(dòng)態(tài)公交車輛運(yùn)行時(shí)間預(yù)測模型[J];系統(tǒng)工程學(xué)報(bào);2010年03期

5 于濱;楊忠振;曾慶成;;基于SVM和Kalman濾波的公交車到站時(shí)間預(yù)測模型[J];中國公路學(xué)報(bào);2008年02期

6 于濱;楊忠振;林劍藝;;應(yīng)用支持向量機(jī)預(yù)測公交車運(yùn)行時(shí)間[J];系統(tǒng)工程理論與實(shí)踐;2007年04期

7 劉美生;;全球定位系統(tǒng)及其應(yīng)用綜述(一)——導(dǎo)航定位技術(shù)發(fā)展的沿革[J];中國測試技術(shù);2006年05期

8 楊兆升,保麗霞,朱國華;基于Fuzzy回歸的快速路行程時(shí)間預(yù)測模型研究[J];公路交通科技;2004年03期

9 周雪梅,楊曉光,王磊;公交車輛行程時(shí)間預(yù)測方法研究[J];交通與計(jì)算機(jī);2002年06期

10 張飛舟,楊東凱,范躍祖,孫先仿;智能交通系統(tǒng)中的公共交通信息管理體系[J];北京航空航天大學(xué)學(xué)報(bào);2000年04期

相關(guān)碩士學(xué)位論文 前10條

1 范光鵬;城市交通公交車到站時(shí)間預(yù)測研究與應(yīng)用[D];青島大學(xué);2018年

2 宋爽;基于SVM和Kalman濾波的公交到站時(shí)間預(yù)測方法研究[D];大連海事大學(xué);2018年

3 程俊;基于ARIMA-LSTM混合模型的機(jī)械傳動(dòng)件制造企業(yè)銷售預(yù)測方法研究與應(yīng)用[D];電子科技大學(xué);2018年

4 艾文文;公交到站時(shí)間預(yù)測模型的研究[D];青島大學(xué);2017年

5 趙衍青;公交車輛到站時(shí)間預(yù)測方法研究[D];北京交通大學(xué);2017年

6 齊靜;徑向基函數(shù)插值若干問題研究[D];重慶師范大學(xué);2016年

7 彭俊偉;基于靜態(tài)和動(dòng)態(tài)算法結(jié)合的公交到站時(shí)間預(yù)測[D];杭州電子科技大學(xué);2016年

8 陳鑫杰;基于粒子濾波的公交車輛到站時(shí)間預(yù)測研究[D];北京交通大學(xué);2016年

9 劉翔;衛(wèi)星姿態(tài)控制系統(tǒng)故障模式分析與故障診斷研究[D];哈爾濱工業(yè)大學(xué);2015年

10 計(jì)曉昕;公交車到站時(shí)間預(yù)測模型與實(shí)證研究[D];北京交通大學(xué);2015年

本文編號(hào)：2812404