隨著經(jīng)濟(jì)社會(huì)的高速增長,城市居民購買的私家車數(shù)量也大幅增加,與此同時(shí)也帶來了交通擁堵、資源不足等問題,我國城市道路交通出現(xiàn)的許多問題已經(jīng)越來越成為影響現(xiàn)代化城市高速發(fā)展的重要因素,研究公交車輛的行程時(shí)間預(yù)測(cè)可以幫助提高城市公共交通系統(tǒng)的運(yùn)行效率,降低公交車的運(yùn)營成本,同時(shí)也是智能公交系統(tǒng)的重要發(fā)展方向。為了改善城市道路公交系統(tǒng)的服務(wù)質(zhì)量,緩解城市道路交通資源的壓力,許多科研人員對(duì)公交車的行程時(shí)間預(yù)測(cè)展開了大量的調(diào)查和鉆研。本文首先介紹了公交車行程時(shí)間預(yù)測(cè)的研究背景及現(xiàn)狀,然后介紹了常用的一些預(yù)測(cè)模型。針對(duì)其中存在的一些問題,本文主要做了以下工作:(1)本文將公交的行程時(shí)間分為站點(diǎn)�？繒r(shí)間和站間路段行駛時(shí)間,對(duì)于站間路段行駛時(shí)間以前的許多研究一般都是根據(jù)目標(biāo)線路公交的行駛信息建立預(yù)測(cè)模型,而在時(shí)間數(shù)據(jù)采集方面沒有很好地考慮到突發(fā)性事件、公交車自身行駛區(qū)別等帶來的差異,本文提出了以目標(biāo)線路公交出行時(shí)間為基礎(chǔ)融合其它線路公交信息的數(shù)據(jù)預(yù)處理方法,很好地處理了單一線路公交不足以反映實(shí)時(shí)道路交通流的問題,提高了預(yù)測(cè)結(jié)果的準(zhǔn)確性。同時(shí)對(duì)于站點(diǎn)的�？繒r(shí)間本文使用了改進(jìn)K-means聚類算法對(duì)公交的歷...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 課題的研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 國內(nèi)外公交到站時(shí)間預(yù)測(cè)算法
        1.4.1 歷史平均法
        1.4.2 回歸模型
        1.4.3 神經(jīng)網(wǎng)絡(luò)模型
        1.4.4 支持向量機(jī)模型
        1.4.5 卡爾曼濾波模型
        1.4.6 時(shí)間序列預(yù)測(cè)模型
        1.4.7 組合預(yù)測(cè)模型
    1.5 主要研究內(nèi)容
    1.6 論文的組織與結(jié)構(gòu)
第2章 公交行程時(shí)間影響因素及相關(guān)技術(shù)分析
    2.1 公交行程時(shí)間影響因素分析
    2.2 道路與車輛的數(shù)據(jù)采集
        2.2.1 傳統(tǒng)數(shù)據(jù)采集
        2.2.2 GPS數(shù)據(jù)采集
        2.2.3 數(shù)據(jù)采集的誤差因素
    2.3 相關(guān)算法介紹
        2.3.1 卡爾曼濾波算法
        2.3.2 指數(shù)平滑法
        2.3.3 聚類分析
        2.3.4 本章小結(jié)
第3章 �？繒r(shí)間分析及多線路行程時(shí)間融合
    3.1 站點(diǎn)�？窟^程分析
        3.1.1 減速進(jìn)站階段
        3.1.2 �？康却A段
        3.1.3 加速出站階段
    3.2 站點(diǎn)停靠時(shí)間及影響因素分析
    3.3 對(duì)�？繒r(shí)間聚類
    3.4 站間路段多線路信息融合
        3.4.1 多線路公交信息融合的原理
        3.4.2 多線路公交信息融合的方法及步驟
第4章 卡爾曼濾波和指數(shù)平滑法組合預(yù)測(cè)模型
    4.1 公交車站間路段運(yùn)行特點(diǎn)
    4.2 組合預(yù)測(cè)模型
        4.2.1 組合預(yù)測(cè)模型的優(yōu)勢(shì)
        4.2.2 組合模型中單項(xiàng)模型的選擇
    4.3 卡爾曼濾波和指數(shù)平滑法組合算法
        4.3.1 卡爾曼濾波算法預(yù)測(cè)公交行駛時(shí)間
        4.3.2 指數(shù)平滑法預(yù)測(cè)公交行駛時(shí)間
        4.3.3 卡爾曼濾波和二次指數(shù)平滑法的組合原理
        4.3.4 卡爾曼濾波和二次指數(shù)平滑法的組合過程
    4.4 多線路公交信息與組合預(yù)測(cè)模型相融合
    4.5 本章小結(jié)
第5章 公交行程時(shí)間預(yù)測(cè)實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)設(shè)計(jì)與流程
        5.1.1 站點(diǎn)�？繒r(shí)間預(yù)測(cè)
        5.1.2 多線路公交站間行駛時(shí)間融合
    5.2 公交行程時(shí)間預(yù)測(cè)模型
    5.3 算法性能評(píng)估指標(biāo)
    5.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析
        5.4.1 單線路卡爾曼濾波預(yù)測(cè)與多線路卡爾曼濾波預(yù)測(cè)對(duì)比
        5.4.2 單一預(yù)測(cè)模型與組合預(yù)測(cè)模型的實(shí)驗(yàn)對(duì)比
        5.4.3 結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)



本文編號(hào)：3779730