基于SVM-H∞公交車輛到站時間預測研究.pdf

1、隨著社會經(jīng)濟的發(fā)展，城市化進程的加快，車輛保有量的持續(xù)增長，加之交通基礎設施建設滯后及道路管理中存在的諸多問題，城市交通供需矛盾日益加劇，交通擁堵日益嚴重，作為智能交通(ITS)研究的重要方面，優(yōu)先發(fā)展先進城市公共交通(APTS)成為解決交通問題的行之有效的途徑。作為城市公共交通系統(tǒng)研究的核心問題之一，實時準確的公交到站時間預測不僅能為出行者提供出行選擇，緩解乘客焦慮情緒，提高乘車滿意度，還能為相關部門科學管理、合理調度提供參考。而交通

2、流的復雜性及交通狀況變化的不可預知性給公交到站時間預測帶來相當大的困難，因此，結合先進的信息采集和通信手段，研究實時精確的公交車輛到站時間預測方法在理論和實際工程應用中都非常有意義。
　　 本文在綜述討論公交車輛到達時間預測模型和相關技術的基礎上，針對已有模型及預測方法實用性和精度上的不足，利用公交車輛車載GPS裝置獲得時間數(shù)據(jù)，充分考慮影響公交車輛到達時間及到站預測精度各種因素，結合支持向量機(SVM)， Kalman和H∞濾

3、波思想，設計分析了基于SVM的公交車輛到站時間預測算法，SVM對于小樣本下的數(shù)據(jù)具有很強的統(tǒng)計學習預測能力；針對SVM基于歷史數(shù)據(jù)預測動態(tài)反映實時交通信息能力的不足，提出了基于SVM/Kalman的公交車輛到站時間靜態(tài)與動態(tài)預測相結合的聯(lián)合預測方法；考慮到公交車在運行過程中受周圍環(huán)境影響（高樓大廈，植物，高架橋）容易造成GPS信號的反射和衰減、以及復雜的交通狀況（?？寇?，擁堵）給觀測數(shù)據(jù)帶來未知噪聲的實際情況，針對Kalman濾波算法對

4、噪聲統(tǒng)計特性假設的不足，提出了基于SVM/H∞的公交車輛到站時間靜態(tài)與動態(tài)預測相結合的聯(lián)合預測方法。
　　 為了提高預測精度，本文在分析GPS數(shù)據(jù)采集特點和統(tǒng)計公交車運行規(guī)律的基礎上，給出了原始數(shù)據(jù)預處理的方法，并按照統(tǒng)計運行規(guī)律將處理后的數(shù)據(jù)分成了四類，針對不同的類型分別進行實測數(shù)據(jù)仿真。最后，利用濟南市公交1路線的GPS數(shù)據(jù)進行實驗，結果表明：基于SVM/H∞公交車輛到站時間靜態(tài)與動態(tài)預測相結合的聯(lián)合預測方法效果較之基于SV