Dh-SVM：基于SVM和動(dòng)態(tài)混合算法的公交車輛路段運(yùn)動(dòng)時(shí)間估計(jì)與預(yù)測(cè)方法的研究.pdf

1、隨著城市進(jìn)程化的加快，人們生活水平大幅度提升，機(jī)動(dòng)車尤其是私家車的擁有量和道路的交通量都急劇增加，隨之而來(lái)的城市交通擁擠、交通事故、能源短缺和環(huán)境污染等諸多問(wèn)題也日益突出。交通問(wèn)題已經(jīng)成為嚴(yán)重阻礙城市發(fā)展的因素之一。
　　優(yōu)先發(fā)展智能公交系統(tǒng)，鼓勵(lì)廣大市民乘坐公共交通出行，這是解決城市交通擁堵問(wèn)題的重要途徑之一。隨著智能交通系統(tǒng)的出現(xiàn)，如何實(shí)現(xiàn)公共交通系統(tǒng)的信息化、智能化顯得尤為重要。實(shí)現(xiàn)智能公交系統(tǒng)的關(guān)鍵技術(shù)就是公交車到站時(shí)間預(yù)

2、測(cè)，對(duì)公交車到站時(shí)間的預(yù)測(cè)研究，是提高城市公交系統(tǒng)運(yùn)營(yíng)效率和發(fā)展智能公共交通系統(tǒng)的重要研究方向。
　　本文首先對(duì)國(guó)內(nèi)外現(xiàn)有的行程時(shí)間預(yù)測(cè)技術(shù)研究現(xiàn)狀進(jìn)行分析和對(duì)比，分別指出各個(gè)模型的優(yōu)缺點(diǎn)。然而隨著數(shù)據(jù)采集技術(shù)的成熟和對(duì)時(shí)間預(yù)測(cè)精度要求的提高，上述模型在時(shí)間預(yù)測(cè)方法和精度上依然存在不足。本文基于GPS車輛定位系統(tǒng)數(shù)據(jù)采集方法，對(duì)公交車采集的原始數(shù)據(jù)進(jìn)行預(yù)處理和分析，獲得公交車歷史行程時(shí)間?；诠粚?shí)時(shí)運(yùn)行數(shù)據(jù)與歷史數(shù)據(jù)相結(jié)合的方法

3、，充分考慮多種隨機(jī)因素的影響，提出了一種基于支持向量機(jī)(SVM)與實(shí)時(shí)預(yù)測(cè)相結(jié)合的混合型公交運(yùn)行時(shí)間預(yù)測(cè)模型。在該模型中，SVM基于歷史數(shù)據(jù)，輸入特性選擇時(shí)間段、節(jié)假日、天氣、路段長(zhǎng)度和速度5個(gè)變量，預(yù)測(cè)各路段車輛運(yùn)行時(shí)間的基準(zhǔn)時(shí)間。由于基于支持向量機(jī)預(yù)測(cè)模型完全基于公交運(yùn)行歷史數(shù)據(jù)，由于公交車運(yùn)行存在實(shí)時(shí)性和受動(dòng)態(tài)隨機(jī)狀況影響等特點(diǎn)，為了反映當(dāng)前時(shí)刻公交車運(yùn)行的特性，提出一種動(dòng)態(tài)混合型公交到站時(shí)間預(yù)測(cè)模型，該模型結(jié)合支持向量機(jī)靜態(tài)輸出