基于GM模型的IC卡分时段客流预测

发布时间：2020-06-30 00:56

【摘要】：随着中国智能公共系统的快速发展,公交IC卡以其具有可靠、方便、快捷等优势得到广泛应用。城市公共交通实现智能化的关键是把握客流的变化规律,因此如何利用IC卡数据来推算公交客流信息,具有很强的现实意义和实用价值。 本文论述了数据采集方法、客流预测和灰色模型的理论知识,研究和验证了基于GM模型的客流预测方法。论文中比较了公交客流数据采集的四种方法的优缺点,指出公交IC卡数据采集法的实用性和优越性,介绍公交IC卡数据和其他公交基础数据的结构。为了准确科学的预测同一时段的公交客流量,本文提出了利用修正的灰色残差GM(1,1)模型进行预测的方法。利用同一条公交线路的公交IC卡历史刷卡数据建立灰色残差GM(1,1)模型,通过确定白化方程的系数来确定公交客流时间响应序列,利用灰色微分方程的时间响应序列获得还原值的表达式,从而能得到单条线路的同一时段的公交客流量的发展序列,再结合影响公交客流量的多种因素,对获得的各发展序列进行修正,最终求得修正的预测值,并通过济南市的客流历史数据进行验证。实例证明该预测模型具有较高的预测精度,能够为公交管理决策者提供方向与指导。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：U492.413
【图文】：

山 山的‘O卜(幻仁幻自O，叫尸闷r习《n寸寸甘1.习卜卜OO小00，叫卜J《 nnn 000000000，叫，叫甲闷，叫，叫，叫，刊，叫，叫甲叫气叫，叫r月r、」《勺户明r勺户 JJJ图5一 163路巧分钟间隔区间刷卡数量变化趋势图 5.2GM(1，1)模型的建立本文的思想是利用GM(1，l)对划分的时段进行预测，根据刷卡一记录的变化，根据时段内观测值的变化，公交客流具有明显的周期性，以一周7天为一个周期进行客流变化。几个星期中的同一天具有非常相似的客流特性，如客流量、流峰值区间、早晚高峰时间等，其数值浮动不大，再者结合GM(l，l)模型的大规模验证

5.4同时段的公交客流量预测短时的区间的客流预测由于内在与外在的共同作用，随机性强，无规律可以把握，内在混沌性未知，外在环境变量多且复杂。本文利用时段的公交客流量进行预测，素在公交客流量的相互作用。对许多未知的变量作灰色处理，GM(l，l)模型可对同能够尽量体现各因由图4可以看出，预测值可以分为三种状态，一种为溢出状态，即预测值大于实际值;一种为未满状态，即预测值小于实际值;一种饱和状态，即预测值与实际值吻合。为了使预测值能够更接近实际值，采用残差对这三种状态进行修正，如果是溢出状态则减去其残差值，如果是未满状态则加上其残差值，使修正后的预测值的精度比GM(l，1)的精度更好。而且预测值三种状态的判定能指导公交运营管理者在公交客流运行管理上做出决策。5.5本章小结

【相似文献】

相关期刊论文 前10条

1 黄黎慧;袁永东;龚昌奇;金雁;;运量需求不平衡航线下的客流量预测[J];船海工程;2011年03期

2 张春辉;宋瑞;孙杨;;基于卡尔曼滤波的公交站点短时客流预测[J];交通运输系统工程与信息;2011年04期

3 任崇岭;曹成铉;李静;史文雯;;基于小波神经网络的短时客流量预测研究[J];科学技术与工程;2011年21期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关会议论文 前10条

1 赵志理;李炜;王虎平;刘波;;基于超强学习机的交通客流预测方法研究[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

2 费新元;陶彦辉;沈建华;;智能IC卡系统的安全设计[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

3 杝孟P

本文编号：2734618