公共交通车辆串车形成原因及预测研究

发布时间：2017-06-27 06:16

  本文关键词：公共交通车辆串车形成原因及预测研究，由笔耕文化传播整理发布。

【摘要】：公交出行是缓解城市交通拥堵,提升城市交通可持续发展的重要手段。城市常规公交是公共交通的主体,其服务水平很大程度上影响了居民的出行选择,而公交车车辆串车问题很大程度上影响着城市公交系统的服务水平。因此,论文基于理论分析和实际数据分析,在系统分析串车问题基础上,通过建立公交车串车的预测模型,实现对公交车串车问题的有效预测,从而为串车问题改进模型的构建提供数据支撑,并提出了基于BDS(公交车载设备系统,Bus Dispatch System)实时数据的反馈控制模型框架,从而有效避免串车现象发生,对于改善城市公共交通服务水平具有一定的理论意义和实用价值。论文的研究内容围绕公交串车问题,采用理论模型和基于实际数据的实例分析相结合的方式,按照“什么是公交串车问题”、“为什么会发生公交串车问题”以及“怎样有效预测与改进公交串车问题”的研究思路展开。首先,结合车头时距不稳定性的概念,对串车现象给出判定依据,解决了“什么是公交串车问题”其次,给出串车问题产生的六种典型过程,采用描述性分析与自贡市38路公交车的案例分析相结合的方式,说明这六种典型过程是如何发生的。接着,为串车问题建立数学模型,对串车发生的原因进行理论分析,给出4种导致串车问题发生的原因,并与串车问题产生的六种典型过程进行对照。然后,通过数据分析的方式,运用相关性检验、方差分析、回归分析等多种统计分析方法,找到了实时数据之间的数量关系,并结合逻辑分析确定了实际情况中导致串车问题发生的影响因素。此后,通过回归分析给出了串车的7个影响因素,并对其进行重要度排序。接着,研究了不同预测模型之间的差别,通过层次分析法确定基于RBF(径向基函数,Radial Basis Function)径向神经网络的公交车串车问题预测模型,对未来站的车头时距进行预测,并通过预测结果为串车问题的改进模型提供数据支撑,并选取了自贡市38路公交车的实时数据进行案例分析,结果验证了模型的可靠性。最后,在分析公交车调度指挥系统流程的基础上,设计出串车问题的改进模型框架。该改进模型结合历史数据、实时BDS数据,运用RBF神经网络的预测结果,计算理想状态下合理的区间旅行时间(速度)、停站时间、发车问隔,进而通过调度指挥系统对公交司机下达实时调度命令,调整运行状态,同时将新生成的数据作为历史数据反馈给系统。
【关键词】：串车 实时BDS数据 影响因素 RBF径向神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.17
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-20
• 1.1 研究背景10-11
• 1.2 研究目标和意义11-12
• 1.2.1 研究目标11
• 1.2.2 研究意义11-12
• 1.3 国内外研究现状12-17
• 1.3.1 国外研究现状12-16
• 1.3.1.1 概述12
• 1.3.1.2 基于时刻表的串车问题研究12-13
• 1.3.1.3 基于车头时距的串车问题研究13-14
• 1.3.1.4 基于实时信息的串车问题研究14-15
• 1.3.1.5 实际应用15-16
• 1.3.2 国内研究现状16
• 1.3.3 研究现状小结16-17
• 1.4 研究内容17
• 1.5 研究方法与技术路线17-20
• 第二章 公交车串车问题判断与分析20-36
• 2.1 研究对象及背景20-24
• 2.1.1 自贡市城市公共交通环境20
• 2.1.2 线路描述20-21
• 2.1.3 研究对象21-22
• 2.1.4 数据描述22-24
• 2.1.4.1 原始数据描述22-23
• 2.1.4.2 数据采集原理23-24
• 2.2 基于实时BDS数据的公交车串车现象判断与分析24-34
• 2.2.1 车头时距计算24-27
• 2.2.2 串车现象判断27-31
• 2.2.3 基于实时BDS数据的自贡市公交车串车问题统计分析31-34
• 2.2.3.1 车站-Cov(h)31-32
• 2.2.3.2 时间段-Cov(h)32-33
• 2.2.3.3 工作日/非工作日-Cov(h)33-34
• 2.3 本章小结34-36
• 第三章 公交车串车的理论原因分析36-56
• 3.1 串车问题产生的六种典型过程36-48
• 3.1.1 串车问题产生的六种典型过程的描述性分析36-39
• 3.1.2 实例分析——自贡市公交车串车的六种典型过程分析39-48
• 3.2 串车问题原因理论分析48-54
• 3.2.1 系统建模48-52
• 3.2.1.1 系统说明48-49
• 3.2.1.2 系统假设49-50
• 3.2.1.3 成因分析模型建立与计算50-52
• 3.2.1.4 模型结果分析52
• 3.2.2 串车问题成因分析模型小结52-54
• 3.2.2.1 串车现象的性质52-53
• 3.2.2.2 串车现象成因53-54
• 3.3 本章小结54-56
• 第四章 基于实时数据的公交车串车影响因素分析56-74
• 4.1 影响因素选择与分析56-60
• 4.2 基于实时数据的串车影响因素分析60-71
• 4.2.1 影响因素的筛选-方差分析61-67
• 4.2.2 影响权重的排序-回归分析67-71
• 4.3 影响因素分析结论71-72
• 4.4 本章小结72-74
• 第五章 基于BDS实时数据的公交车串车预测模型74-90
• 5.1 基于实时BDS数据的公交车串车预测模型74-82
• 5.1.1 基于层次分析法的定量预测模型选取74-79
• 5.1.2 基于RBF径向神经网络的公交车串车预测模型79-82
• 5.1.2.1 变量的选择80-81
• 5.1.2.2 基于RBF径向神经网络的公交车车头时距预测模型81-82
• 5.2 案例分析82-86
• 5.2.1 数据获取与处理82-84
• 5.2.2 基于RBF径向神经网络的公交车车头时距预测模型的预测84-86
• 5.3 基于实时BDS数据的公交车串车问题改进模型框架设计86-89
• 5.3.1 基于实时BDS数据的公交车串车问题改进模型的功能与定位86-87
• 5.3.2 基于实时BDS数据的公交车串车问题改进模型框架87-88
• 5.3.3 基于反馈控制模型的实时调度指令88-89
• 5.4 本章小结89-90
• 第六章 成果与展望90-94
• 6.1 主要成果90-91
• 6.2 不足与进一步研究方向91-94
• 致谢94-96
• 参考文献96-100
• 作者简介100

【相似文献】

中国重要会议论文全文数据库 前1条

1 魏军贤;;掘进机后配套串车运输快速施工技术[A];全国“三下”采煤学术会议论文集[C];2008年

中国重要报纸全文数据库 前1条

1 尚庆;“串车”族推高车价车企政策布局亟待调整[N];人民公安报·交通安全周刊;2010年

中国硕士学位论文全文数据库 前1条

1 李梦甜;公共交通车辆串车形成原因及预测研究[D];东南大学;2016年

  本文关键词：公共交通车辆串车形成原因及预测研究，，由笔耕文化传播整理发布。

本文编号：488796