基于卡尔曼滤波和指数平滑法组合模型的公交行程时间预测

发布时间：2023-04-02 18:31

　　随着经济社会的高速增长,城市居民购买的私家车数量也大幅增加,与此同时也带来了交通拥堵、资源不足等问题,我国城市道路交通出现的许多问题已经越来越成为影响现代化城市高速发展的重要因素,研究公交车辆的行程时间预测可以帮助提高城市公共交通系统的运行效率,降低公交车的运营成本,同时也是智能公交系统的重要发展方向。为了改善城市道路公交系统的服务质量,缓解城市道路交通资源的压力,许多科研人员对公交车的行程时间预测展开了大量的调查和钻研。本文首先介绍了公交车行程时间预测的研究背景及现状,然后介绍了常用的一些预测模型。针对其中存在的一些问题,本文主要做了以下工作:(1)本文将公交的行程时间分为站点停靠时间和站间路段行驶时间,对于站间路段行驶时间以前的许多研究一般都是根据目标线路公交的行驶信息建立预测模型,而在时间数据采集方面没有很好地考虑到突发性事件、公交车自身行驶区别等带来的差异,本文提出了以目标线路公交出行时间为基础融合其它线路公交信息的数据预处理方法,很好地处理了单一线路公交不足以反映实时道路交通流的问题,提高了预测结果的准确性。同时对于站点的停靠时间本文使用了改进K-means聚类算法对公交的历...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 课题的研究意义
    1.3 国内外研究现状
    1.4 国内外公交到站时间预测算法
        1.4.1 历史平均法
        1.4.2 回归模型
        1.4.3 神经网络模型
        1.4.4 支持向量机模型
        1.4.5 卡尔曼滤波模型
        1.4.6 时间序列预测模型
        1.4.7 组合预测模型
    1.5 主要研究内容
    1.6 论文的组织与结构
第2章 公交行程时间影响因素及相关技术分析
    2.1 公交行程时间影响因素分析
    2.2 道路与车辆的数据采集
        2.2.1 传统数据采集
        2.2.2 GPS数据采集
        2.2.3 数据采集的误差因素
    2.3 相关算法介绍
        2.3.1 卡尔曼滤波算法
        2.3.2 指数平滑法
        2.3.3 聚类分析
        2.3.4 本章小结
第3章 停靠时间分析及多线路行程时间融合
    3.1 站点停靠过程分析
        3.1.1 减速进站阶段
        3.1.2 停靠等待阶段
        3.1.3 加速出站阶段
    3.2 站点停靠时间及影响因素分析
    3.3 对停靠时间聚类
    3.4 站间路段多线路信息融合
        3.4.1 多线路公交信息融合的原理
        3.4.2 多线路公交信息融合的方法及步骤
第4章 卡尔曼滤波和指数平滑法组合预测模型
    4.1 公交车站间路段运行特点
    4.2 组合预测模型
        4.2.1 组合预测模型的优势
        4.2.2 组合模型中单项模型的选择
    4.3 卡尔曼滤波和指数平滑法组合算法
        4.3.1 卡尔曼滤波算法预测公交行驶时间
        4.3.2 指数平滑法预测公交行驶时间
        4.3.3 卡尔曼滤波和二次指数平滑法的组合原理
        4.3.4 卡尔曼滤波和二次指数平滑法的组合过程
    4.4 多线路公交信息与组合预测模型相融合
    4.5 本章小结
第5章 公交行程时间预测实验分析
    5.1 实验设计与流程
        5.1.1 站点停靠时间预测
        5.1.2 多线路公交站间行驶时间融合
    5.2 公交行程时间预测模型
    5.3 算法性能评估指标
    5.4 实验结果与对比分析
        5.4.1 单线路卡尔曼滤波预测与多线路卡尔曼滤波预测对比
        5.4.2 单一预测模型与组合预测模型的实验对比
        5.4.3 结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献



本文编号：3779730