基于SVM和Kalman濾波的公交到站時間預測方法研究.pdf

1、在當今時代，隨著社會經(jīng)濟的快速發(fā)展，中國的大多數(shù)城市人口密度急劇增長，給道路交通帶來很大的壓力，發(fā)展智能公交系統(tǒng)成為當今的首要問題。提高公交到站時間預測模型的可靠性和精確度，可以方便居民合理安排出行時間、減少在站臺的等待時間，有助于公交運營企業(yè)合理調(diào)度公交車輛，推動城市公共交通的發(fā)展。然而由于城市路網(wǎng)復雜，影響公交車輛行駛的因素種類繁多且相互影響，很難準確地預測公交到站時間。本文通過對具體城市的交通狀況進行分析，建立合適的公交到站時間預

2、測模型，具有重要的實際意義。
　　對國內(nèi)外公交到站時間預測的研究現(xiàn)狀進行對比和分析，重點研究相關(guān)理論與技術(shù)，給出預測模型的總體結(jié)構(gòu)。從多個角度分析公交GPS數(shù)據(jù)產(chǎn)生誤差的原因，并從誤差產(chǎn)生的根源出發(fā)，給出對應(yīng)的解決方案;利用現(xiàn)有的公交歷史數(shù)據(jù)，分析影響公交行駛因素;利用樣本數(shù)據(jù)并結(jié)合聚類分析算法，分析公交車在全天時段內(nèi)的行駛規(guī)律;分析歷史樣本數(shù)據(jù)和實時樣本數(shù)據(jù)之間的規(guī)律，探討特征輸入選取問題，得出特征選取的一些方法和策略。

3、　　在分析影響公交車輛行駛因素及其行駛規(guī)律后，確定預測模型的輸入條件因素及參考數(shù)據(jù)。依據(jù)車輛行駛時的狀態(tài)，將總的行駛時間分為站間行駛時間和站點?？繒r間兩個部分，站間行駛時間分別使用基于改進粒子群算法的支持向量機模型和多元線性回歸模型進行預測，站點?？繒r間使用頻數(shù)加權(quán)數(shù)據(jù)融合技術(shù)進行預測，從而得到一個預測的基準時間，再利用實時數(shù)據(jù)使用卡爾曼濾波算法對基準時間進行動態(tài)修正，從而得到最終的預測到站時間。最后，選擇大連市10路公交線路的GPS原