公交车到站时间预测的可靠性提升技术研究

发布时间：2020-11-11 16:28

　　 公交车到站时间预测是实现智能公交的重要技术基础。在实际应用中,由于公交信息感知设备、通讯传输等诸多环节均可能受系统故障、环境变化等因素的影响,导致采集的公交车运行数据出现异常,直接影响预测效果;同时,公交车运行过程受多种交通因素的影响,其行程时间存在一定波动性和不确定性。但现有预测方法一般都忽略了这些因素的影响。因此,本文针对上述问题,以提升公交车到站时间预测的可靠性为目标展开研究,对改善公交到站时间预测系统的工程实际应用效果具有重要意义。论文从分析影响公交到站时间预测可靠性关键因素入手,分别从数据处理和预测方法两个层面进行预测可靠性的提升研究。针对数据异常问题,建立了数据缺失及数据错误的评价方法;并提出了公交车异常数据修复算法来为后续预测提供可用的修复后数据。针对公交车行程时间波动问题,提出了一种改进的马尔科夫链预测算法来预测公交车站间行程时间,在此基础上建立了公交车到站时间预测模型。最后通过应用测试证明了本文上述所提可靠性提升方法的有效性。论文主要内容包括:(1)公交车数据异常分析与处理。论文归纳和总结了数据异常情况,并基于此深入探讨了数据异常对预测可靠性的影响。然后,针对数据缺失建立了公交车到站时间预测角度下的数据完整性评价方法,针对数据错误提出了基于统计学和物理识别法的数据正确性评价方法。最后,提出了基于前车数据的异常数据修复算法。并利用重庆市公交数据对提出的数据处理方法进行检验,实验结果表明本文所提方法能有效识别和修复异常的公交车数据。(2)公交车到站时间预测模型可靠性提升方法。论文考虑到公交行程时间波动问题,提出了一种改进的马尔科夫链预测算法来预测公交车站间行程时间,引入自相关系数动态调整预测模型中各前车信息权重,并通过移动误差对预测结果进行实时修正从而增强预测模型的鲁棒性。最后,结合站间行程时间和站点停靠时间建立了公交车到站时间预测模型,确定了预测结果的可靠性评价指标。实验表明本文的预测方法优于现有方法,具有更好的预测效果。最后,利用VS2010开发工具设计与实现了公交车到站时间预测系统,分别进行了只利用数据处理方法、综合利用数据处理方法及改进预测方法的应用测试。结果验证了本文提出的方法可以有效提升公交车到站时间预测结果的可靠性。
【学位单位】：重庆大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U491.17
【部分图文】：

图 3.4 完整性指标INTD 值Fig. 3.4 Integrity indicatorINTD value从上述的数据完整性评价结果可以看出每天的完整性评价指数不尽相同，值为 0.843，最高值为 0.932。总体来说，数据缺失的情况每天都在发生，合据缺失的百分比达到 10.2%，说明数据缺失问题较为普遍存在且不容忽视。.3.2 基于统计学和物理识别法的数据正确性评价本小节主要是针对公交车运行数据进行正确性评价，研究数据的正确性评后续的错误数据识别有指导作用，因此本小节先对正确性评价指标进行分析针对上一节归纳的数据错误情况研究其对应的识别方法。① 正确性评价指标数据的正确性评价是为了描述数据与客观世界的符合程度。上一章已经阐，本文中的错误数据是指数据值超出阈值或不满足已有的原理与规则的数据以，正确性评价就是评价出不符合上述条件的数据。从国内外关于数据质量评价的定量指标相关研究可知，目前较为通用的数

图 3.5 正确性指标coTD 值Fig. 3.5 Correctness indicator value统计结果说明，错误数据大量存在，百分比可高达 22.5%；根据 3.2 节的对预测可靠性的影响分析可知，错误数据出现时会不能真实反映当时的情况，从而对公交到站时间预测造成影响。 公交车异常数据的修复方法研究目前关于交通异常数据的修复，国内外研究学者已经做了大量工作。如法、移动平均法，历史趋势修正法等等[48]。历史趋势修正法和统计分析过处理大量历史数据掌握历史规律去进行数据修复工作，但是其实时性不平均法是利用过去最近的正确数据去修复异常数据，其停留在过去而没据异常时刻的环境不同会导致的变化。所以，针对公交车数据异常情况出了结合历史规律与实时信息的数据修复方法。.1 公交前后车关联度分析

min 0ir k(3max 0max max ( )ir k k(3min max(0, ) ( , )0 max( , )( )k i kix xk + + (3其中，0( )i k为第 个前车与目标公交车在路段 k 的平均速度绝对差值，小绝对差，max 为最大绝对差，(0, ) ( , )( , )k i k x x为第 i 个前车与目标公交k 的关联系数， 为分辨系数，通常取 0.5。显然(0, ) ( , )( , )k i k x x随路段变化，如果对其求 m 个路段的平均值，则得到目与第 个前车在全过程的关联程度，即：(0, ) ( , )11( , )mr k r kkx xm (3为了验证前后车在相同路段的运行状态具有关联性，选取了重庆公交 182017 年 9 月 20 号的某辆目标公交车与其前车的历史数据进行分析，以站划分依据，整理得到该公交车与其前车的路段平均速度。结果如下图 3.6 所
【参考文献】

相关期刊论文 前10条

1 廖孝勇;崔德冠;孙棣华;;公交到达时间预测误差分析及模型改进[J];科技视界;2015年34期

2 鲍东玉;王军;;车辆检测器异常数据清洗及修复方法研究[J];物联网技术;2015年10期

3 尹章才;孙华涛;陈雪菲;刘清全;;定向移动基于马尔科夫链的时空不确定性[J];测绘学报;2015年10期

4 向红艳;彭学文;;公交到站时间预测研究现状与发展趋势[J];交通信息与安全;2014年04期

5 汪海燕;黎建辉;杨风雷;;支持向量机理论及算法研究综述[J];计算机应用研究;2014年05期

6 胡继华;李国源;程智锋;;基于马尔科夫链的公交站间行程时间预测算法[J];交通信息与安全;2014年02期

7 陆化普;李瑞敏;;城市智能交通系统的发展现状与趋势[J];工程研究-跨学科视野中的工程;2014年01期

8 计晓昕;关伟;;组合非参数回归和卡尔曼滤波的公交车到站时间预测[J];科学技术与工程;2013年32期

9 左忠义;汪磊;;公交到站时间实时预测信息发布技术研究[J];交通运输系统工程与信息;2013年01期

10 胡继华;程智锋;詹承志;陈熹;;基于时空路径的城市公交时间可靠性研究[J];地理科学;2012年06期

相关博士学位论文 前1条

1 梁士栋;随机环境下公交系统鲁棒性优化方法研究[D];吉林大学;2017年

相关硕士学位论文 前10条

1 李宝兴;区间化分析的不完整数据模糊聚类算法研究[D];辽宁大学;2016年

2 童小龙;公交运行可靠性及其改善策略研究[D];东南大学;2016年

3 王英会;高速公路交通流异常数据识别及修复方法研究[D];北京交通大学;2015年

4 王蓓蕾;基于改进BP估值的缺失数据模糊聚类算法研究[D];辽宁大学;2015年

5 李慧恬;城市公交运行数据时空预测算法及可靠性分析[D];山东大学;2015年

6 樊冬雪;基于优化灰色马尔科夫链模型的铁路客流量预测方法研究[D];重庆交通大学;2015年

7 谢羲;基于时空关系协同作用的交通数据预处理方法研究[D];长安大学;2015年

8 王珂莉;公交电子站牌信息延迟的分析及预测研究[D];重庆大学;2015年

9 汤月华;基于GPS数据的公交站点区间行程时间分布与可靠性分析[D];浙江大学;2015年

10 苗海芳;多源交通信息数据质量评价与控制方法研究[D];吉林大学;2014年

本文编号：2879441