發(fā)布時間：2021-04-02 21:58

　　近年來,隨著我國社會經(jīng)濟的快速發(fā)展和城市化進程的不斷加快,人們的出行需求越來越大,人均私家車保有量持續(xù)快速增長。隨之而來,交通擁堵加劇、空氣污染加重、交通事故頻發(fā)等由于城市道路交通而引發(fā)的社會問題日益凸顯。針對這一問題,鑒于城市公共交通具有載運能力大、環(huán)境污染少、資源消耗低、集約高效、方便、快捷、安全等諸多優(yōu)點,已被普遍認為是解決我國城市交通問題最有效的方法之一。其中,以信息化為基礎(chǔ),促進乘客、車站設(shè)施、行駛車輛以及交通環(huán)境等多個相關(guān)要素之間進行良性高效的互動,加快推動智能公共交通系統(tǒng)的建設(shè),支持廣大乘客合理安排出行計劃是一個重要研究方向,而實時準確的公交車到站時間預(yù)報是智能公共交通系統(tǒng)建設(shè)的重要內(nèi)容之一,同時也是提升其服務(wù)質(zhì)量的重要體現(xiàn)�；谏鲜霰尘�,我國城市智能公共交通系統(tǒng)建設(shè)取得了快速發(fā)展。其中在公交車到站時間預(yù)測方面,一方面國內(nèi)外學(xué)者開展了大量研究,形成了比較豐富的理論和實際應(yīng)用成果。另一方面部分城市通過在部分線路上試行公交車到站時間預(yù)測而取得了良好的社會經(jīng)濟效益,從而受到了大眾的廣泛歡迎。但是,就總體研究和實際應(yīng)用效果上來看,由于公交車行駛過程受到諸如天氣、站點分布、車輛狀態(tài)... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１技術(shù)路線圖??Ｆｉｇ．?１．１?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｆｉｇｕｒｅ??－７－??

?基于ＳＶＲ和ＬＳＴＭ的公交車到站時間預(yù)測方法研宄???２．２．１回歸原理??ＳＶＲ的核心思想是利用內(nèi)積核函數(shù)將樣本數(shù)據(jù)通過非線性轉(zhuǎn)換由低維空間映射至??高維空間，然后在該高維空間中尋求一個滿足回歸要求的最優(yōu)超平面，使得該超平面既??保證精度又能使得到最近樣本的距離最小，如圖２．１所示。??Ｍ??，?ｖ?ｃｏｘ?＋?ｂ?＝?ｓ??ａｘ＋＇ｂ?＝?－ｅ?＾＋＊?＝?〇??圖２．１支持向量回歸機原理示意圖??Ｆｉｇ．?２．１?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｕｐｐｏｒｔ?ｖｅｃｔｏｒ?ｒｅｇｒｅｓｓｉｏｎ??既定一組訓(xùn)練樣本集為｛＾，，兄）｜／?＝?１，２．，．．．，／＾，尤，￡及；１＿，其中易為第／個，《維輸入向量，兄．??為對應(yīng)的輸出向量，》為訓(xùn)練樣本的數(shù)量。ＳＶＲ通過非線性函數(shù)０將所有樣本數(shù)據(jù)點對??應(yīng)地映射到多維空間中，然后在多維特征空間中對其進行線性回歸�；貧w模型的作用則??是將訓(xùn)練集中的每個樣本點（ｘ，，：＞；，｝盡可能地進行擬合在線性模型上。??對于回歸問題，使用回歸函數(shù)分析支持向量回歸：??ｙ?＝?ｆ｛ｘ）?＝?（〇＜ｌ）（ｘ）＋ｂ?（２．?１）??其中；ｃ，＋?ｅ心，？為／？維權(quán)值向量；６為偏移項。??引入結(jié)構(gòu)風(fēng)險函數(shù)：??Ｒｒｅｇ＝＼＼４＾Ｃ－Ｒｌ｛ｆ）?（２．２）??其中，｜｜４用于描述函數(shù)，／〇〇表示復(fù)雜程度，Ｃ表示懲罰系數(shù)。??不敏感損失函數(shù)ｆ表示為：??４，?°；?ｈ：７（＂４＞?＜２．３）??ｃ?［｜＞；／－／（＾＾）｜－＾?ｅｌｓｅ??其中，￡為不敏感損失函數(shù)剩余項；ｅ／Ｍ是函數(shù)不收斂時損失函數(shù)的表達式。??－１０－??

圖２．２?ＲＮＮ鏈式結(jié)構(gòu)??Ｆｉｇ．?２．２?Ｔｈｅ?ｃｈａｉｎ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａｎ?ｕｎｒｏｌｌｅｄ?ｒｅｃｕｒｒｅｎｔ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??：??

【參考文獻】：
期刊論文
[1]基于時空相關(guān)屬性模型的公交到站時間預(yù)測算法[J]. 賴永炫,張璐,楊帆,盧衛(wèi),王田.  軟件學(xué)報. 2020(03)
[2]我國私家車擁有量影響因素分析[J]. 陸暢,張陳.  合作經(jīng)濟與科技. 2017(17)
[3]基于SEM的城市公交服務(wù)質(zhì)量-滿意度-忠誠度研究[J]. 張兵,曾明華,陳秋燕,胡啟洲.  數(shù)理統(tǒng)計與管理. 2016(02)
[4]關(guān)于城市公共交通優(yōu)先發(fā)展的意義、內(nèi)涵及幾點問題理解[J]. 楊濤.  人民公交. 2014(04)
[5]基于廣義回歸神經(jīng)網(wǎng)絡(luò)的公交車運行時間預(yù)測模型[J]. 周敏,韓印,姚佼.  交通與運輸(學(xué)術(shù)版). 2013(02)
[6]基于SVM和Kalman濾波的BRT行程時間預(yù)測模型研究[J]. 陳旭梅,龔輝波,王景楠.  交通運輸系統(tǒng)工程與信息. 2012(04)
[7]基于SVM和Kalman濾波的公交車到站時間預(yù)測模型[J]. 于濱,楊忠振,曾慶成.  中國公路學(xué)報. 2008(02)
[8]應(yīng)用支持向量機預(yù)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)
[9]基于灰色關(guān)聯(lián)分析的路段行程時間卡爾曼濾波預(yù)測算法[J]. 溫惠英,徐建閩,傅惠.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2006(09)
[10]基于Fuzzy回歸的快速路行程時間預(yù)測模型研究[J]. 楊兆升,保麗霞,朱國華.  公路交通科技. 2004(03)

碩士論文
[1]基于LSTM-PF模型的公交車輛到站時間預(yù)測研究[D]. 紀安琪.北京交通大學(xué) 2019
[2]城市交通公交車到站時間預(yù)測研究與應(yīng)用[D]. 范光鵬.青島大學(xué) 2018
[3]基于SVM和Kalman濾波的公交到站時間預(yù)測方法研究[D]. 宋爽.大連海事大學(xué) 2018
[4]公交到站時間預(yù)測模型的研究[D]. 艾文文.青島大學(xué) 2017
[5]公交車輛到站時間預(yù)測方法研究[D]. 趙衍青.北京交通大學(xué) 2017
[6]基于靜態(tài)和動態(tài)算法結(jié)合的公交到站時間預(yù)測[D]. 彭俊偉.杭州電子科技大學(xué) 2016
[7]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]. 劉翔.哈爾濱工業(yè)大學(xué) 2015
[8]公交車到站時間預(yù)測模型與實證研究[D]. 計曉昕.北京交通大學(xué) 2015
[9]公交到站時間預(yù)測及換乘機制的研究[D]. 謝玲.蘇州大學(xué) 2014
[10]無檢測器路口交通流量預(yù)測方法研究[D]. 易柳.湘潭大學(xué) 2010



本文編號：3116034