基于GPS的公交浮动车到站时间预测

发布时间：2017-07-18 13:20

  本文关键词：基于GPS的公交浮动车到站时间预测

  更多相关文章： 公交浮动车 GPS定位导航 GIS地图匹配 支持向量机 数据融合

【摘要】：随着席卷而来的信息化与智能化浪潮,公共智能交通技术成为解决城市交通问题的重要研究课题。而公交车到站时间预测作为智能公交必不可少的核心内容之一,不仅可以为市民的出行提供极大的便捷,还可以为管理部门提供可靠的城市道路调度信息与城市规划依据,已成为改善交通压力的重要研究方向。首先,本文讨论了近年来交通运输获得的发展与所面临的压力,论述了发展城市公共智能交通对于环境、社会以及市民的现实意义,并以此证明公交车到站时间预测研究的必要性；同时对国内外相关技术方案进行了系统全面的研究,总结其研究成果并分析存在的不足之处,为本文技术方案的提出奠定了理论基础。其次,对公交车到站时间预测中涉及的全球定位系统(Global Positioning System, GPS)与信息采集技术和地理信息系统(Geographic Information System, GIS)地图匹配技术也做了简单介绍,综合考虑研究路段的特性,提出了站点-站间路段式的点-线模型。对GPS数据进行存储、修复与筛选等预处理工作,并利用站点经纬度坐标计算相邻站点之间的路程距离,为本文技术方案提供了数据支持。随后,针对目前公交车到站时间预测愈趋细节化、复杂化的现状,本文提出基于站点延误时间与站间行程时间的预测模型。站点延误时间将公交车减速进站、候车等待与加速出站相结合,利用频数加权数据融合技术对历史GPS数据进行数据融合来预测各个公交站点的延误时间；站间行程时间综合考虑公交车行程时间的各项影响因素,利用支持向量机将这些影响因素构造成支持向量来进行静态行程时间预测,同时不断利用实时测试数据对静态预测结果进行动态修正。最后,利用合肥市118路公交车对预测模型进行仿真测试,结果表明,基于频数加权的站点延误时间预测具备良好的预测性能,而基于静态预测动态修正的站间行程时间预测要比单一的静态预测与动态预测更加精确。
【关键词】：公交浮动车 GPS定位导航 GIS地图匹配 支持向量机 数据融合
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P228.4;U495
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 国外研究现状12-14
• 1.2.2 国内研究现状14-15
• 1.2.3 国内外研究现状总结15-16
• 1.3 论文结构及主要研究内容16
• 1.4 本章小结16-17
• 2 相关技术介绍17-23
• 2.1 公交浮动车交通信息系统17-18
• 2.2 GPS技术18-19
• 2.2.1 GPS系统概述18
• 2.2.2 GPS系统组成18-19
• 2.2.3 GPS系统定位原理与应用19
• 2.3 GIS技术19-20
• 2.3.1 GIS系统概述19-20
• 2.3.2 GIS系统组成、分类及应用20
• 2.4 地图匹配技术20-21
• 2.4.1 电子地图及其分类20-21
• 2.4.2 地图匹配算法21
• 2.5 本章小结21-23
• 3 数据预处理23-27
• 3.1 数据来源与内容23-25
• 3.2 异常数据删除与修复25
• 3.3 坐标转换与地图匹配25-26
• 3.4 本章小结26-27
• 4 技术方案与预测模型27-41
• 4.1 预测模型概述27-29
• 4.2 支持向量机原理29-36
• 4.2.1 VC维与结构风险29-30
• 4.2.2 分类预测原理30-32
• 4.2.3 松弛变量与惩罚因子32-33
• 4.2.4 核函数33-34
• 4.2.5 SVM多类分类方法34-36
• 4.3 频数加权数据融合技术36-39
• 4.3.1 数据融合技术概述36-37
• 4.3.2 数据融合的结构与分类37-39
• 4.3.3 频数加权数据融合39
• 4.4 本章小结39-41
• 5 实验仿真与结果分析41-47
• 5.1 站点延误时间预测41-43
• 5.2 站间行程时间预测43-46
• 5.3 本章小结46-47
• 6 结论47-48
• 参考文献48-50
• 作者简历50-52
• 学位论文数据集52

【相似文献】

中国期刊全文数据库 前10条

1 陈云;;基于负载均衡的浮动车数据并行处理算法[J];江西测绘;2013年04期

2 刘栋;穆晓霞;宋国杰;;基于浮动车数据的城市交通状态估计研究[J];河南师范大学学报(自然科学版);2011年03期

3 杨槐;;基于服务总线浮动车数据分布式并行处理算法[J];科技资讯;2013年29期

4 吴世全;;基于浮动车数据交通参数提取技术探讨[J];测绘与空间地理信息;2013年07期

5 曹闻;彭煊;孟伟灿;;城市道路复杂度的浮动车自适应采样算法[J];测绘科学;2012年04期

6 曹成孝;;基于浮动车的城市道路交通异常事件检测的研究[J];科技风;2013年13期

7 李清泉;尹建忠;贺奋琴;;面向道路网的GPS浮动车覆盖率模型研究[J];武汉大学学报(信息科学版);2009年06期

8 刘兴权;欧阳俊;陆锋;段滢滢;;浮动车行程速度探索性分析[J];测绘科学;2012年05期

9 杨敬锋;苏奎;方秋水;韦清波;;基于浮动车位置信息和电子围栏的高速公路收费站排队长度监控应用[J];测绘与空间地理信息;2014年03期

10 张永强;林丽;;GPS/GIS技术在浮动车系统中的应用[J];山西建筑;2008年30期

中国重要会议论文全文数据库 前10条

1 孙立;王海峰;林绵峰;;浮动车系统的规模参数研究[A];第二届中国智能交通年会论文集[C];2006年

2 范跃祖;王力;王川久;张海;;浮动车技术的发展及应用研究综述[A];第一届中国智能交通年会论文集[C];2005年

3 李秋萍;李必军;;基于浮动车的道路网变化探测方法[A];2008第四届中国智能交通年会论文集[C];2008年

4 扈中伟;温慧敏;孙建平;陈锋;;基于车牌照识别数据的浮动车系统分析与验证[A];2008第四届中国智能交通年会论文集[C];2008年

5 王雪松;刘浩冰;;基于浮动车数据的上海市主干道车速特征分析(英文)[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

6 张永强;;浮动车覆盖率问题初探[A];第二届中国智能交通年会论文集[C];2006年

7 曾维;王海峰;孙立;;不同浮动车规模下的城市道路路况相似性判据研究[A];2008第四届中国智能交通年会论文集[C];2008年

8 周元峰;吴建平;董敬欣;;使用浮动车检测路网可达性及交通管理策略的研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

9 徐建闽;邹亮;;浮动车与感应线圈检测技术融合模型[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 张存保;杨晓光;;基于浮动车的道路交通信息采集系统研究[A];第二届中国智能交通年会论文集[C];2006年

中国重要报纸全文数据库 前2条

1 Chi-Chu TsChang 美国《商业周刊》 本报编译 于景浩;北京奥运疏导交通采用世界前沿科技[N];世界报;2008年

2 耿闻;奥运会推动北京交通快速发展[N];中国旅游报;2007年

中国博士学位论文全文数据库 前4条

1 廖孝勇;浮动车交通参数检测及在道路交通状态分析中的应用研究[D];重庆大学;2011年

2 余洋;云计算环境下的大样本浮动车数据处理关键技术研究[D];武汉大学;2010年

3 李宇光;海量低频浮动车数据道路匹配及行程时间估算[D];武汉大学;2013年

4 计会凤;基于浮动车GPS数据的动态交通预测与诱导模型研究[D];辽宁工程技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 王许涛;基于交通信息路网覆盖率的浮动车系统配置优化研究[D];北京交通大学;2012年

2 赵斌;基于GPS的公交浮动车到站时间预测[D];北京交通大学;2016年

3 訾宪娟;基于浮动车轨迹数据的路网重构和地图匹配[D];山东大学;2016年

4 李梦琦;基于浮动车数据的道路拥堵状态评价及宏观基本图研究[D];北京交通大学;2016年

5 陈明东;基于浮动车的交通信息交互平台研究与开发[D];哈尔滨工业大学;2016年

6 王伟生;车辆路径动态导航算法研究[D];电子科技大学;2016年

7 江波;基于浮动车数据的实时交通状态估计[D];山东大学;2011年

8 管亚丽;成都市出租车浮动车数据可靠性分析[D];西南交通大学;2011年

9 刘俏;基于浮动车技术的城市道路网状况研究[D];武汉理工大学;2013年

10 朱爱华;基于浮动车数据的路段旅行时间预测研究[D];北京交通大学;2008年

，

本文编号：557889