基于改进卡尔曼滤波算法的短时公交客流预测模型研究

发布时间：2021-02-22 20:15

　　随着改革开放的不断深入,我国公共交通得到了长足的发展。国家制定了优先发展公共交通的政策和策略。在此背景下智能公交系统应运而生。系统运行之后取得了不错的效果,但运行过程中也发现了,准确及时地掌握甚至预测公交短时客流的变化信息,将为公交管理调度提供有力的决策支持。短时公交客流预测受政策、环境、天气等很多因素的影响。国内外有很多专家学者开展这方面的研究,使用的方法主要有基于统计、非线性及混合类方法三种类型方法。特别是使用神经网络、卡尔曼滤波等非线性（智能）方法的预测,通过实验验证,有不错的效果。基于卡尔曼滤波算法的预测模型有的时候预测结果发散、误差偏大;而基于神经网络的预测模型又对输入值的噪点过滤性能较差,并且太过于依赖于数据样本,部分时候表现效果不太理想。本文在充分研究国内外相关领域的现状的情况下,提出了改进的卡尔曼滤波短时公交客流预测算法模型。该模型利用卡尔曼滤波算法的原理,以BP神经网络为辅助,充分地利用BP神经网和卡尔曼滤波两种算法的优点,互补各自的缺点,将卡尔曼滤波预测过程中产生的噪声协方差、估计误差、滤波增益作为BP神经网络的输入,然后将输出结果与卡尔曼滤波预测结果结合,校正误差... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图３．１传统数据预处理方法流程示意图??Ｆｉｇ．?３．１?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｔｒａｄｉｔｉｏｎａｌ?ｄａｔａ?ｐｒｅｐｒｏｃｅｓｓｉｎｇ?ｍｅｔｈｏｄ??

?第３章数据采集和分析???从以上清洗过程可以看出，传统清洗过程比较注重输入数据规则比对及无效??数据的过滤，也就是说传统数据清洗更加注重清洗结果。因此存在以下问题：??（１）清洗器只依据规则工作，过程粗暴，工作过程中不记录原因，因此对于??规则附近的阈值数据，不能有针对性行的分析其被过滤掉的原因分析；??（２）清洗过程中只强调结果，通常不记录过滤数量，常常结果很难令人满意。??考虑到以上缺点，此次研究我们利用２８路公交车１Ｃ卡刷卡记录和ＧＰＳ行车??记录等数据信息特性进行分析，重新设置数据预处理及清洗模块。重新设计方案??最大的优点是无损清洗，采用规则分类的思想将问题数据分类存储，份参与数据??分析。最大程度的保留了原始的数量为实验样本空间提供了数据保证。该方案有??以下优点：??（１）结合特定公交线路的１Ｃ卡刷卡数据和ＧＰＳ行车数据特征进行分析，将??不合格数据问题进行分类存储，并记录过滤器工作过滤的比例。??（２）设置样本空间的数量阈值和报警模块，如果经处理后的样本空间样本数??量小于阈值系统将作报警处置。??：?ｆｆｔｅ??输入（．Ｖ处抑数据??设置＊据清洗规呦？?人Ｉ：处理??ｌ－ｒｔｄ??不??？自动化报?Ｓ??存储合格数据?时ｍ锖误类?误类?缺失类??１?１?１?????分类存储数据??数据分析??图９改进的清洗算法流程示意图??Ｆｉｇ．?３．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｉｍｐｒｏｖｅｄ?ｃｌｅａｎｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ??－２３－??

１６００?－Ｉ?；????１４００?＾???ｉｍｉｉ?１１?ｔｔｕ?ｔｔｔ??卜卜卜?卜卜｜＾?ｒ＊＾．?＼?＼?＼??、＼?＼?＼?＼?、?卜卜?卜卜卜?卜??＜ｊ＞ｃｒ？ｃｒ？＜Ｔ＞ｏ＾ｏ＾ｃｒ＞ｃ７＞ｏ＾＼?＼?＼?＼??ｒＨｒＨＴ－ｌｒＨｔＨＴ－ｌｔＨＴＨｒＨ＜ＴｉＣＴ＞Ｃｒ＞Ｃｎ〇＾＜Ｔ＾??ＯＯＯＯＯＯＯＯＯＴＨＴＨ＾ＨＴＨｔＨｒＨ??ＣｓｌｆＮｒ＞ＩｆＮｆＮ（ＮｒＭｆＭｒＭ〇〇〇〇〇〇??ｆＮ?ｆＮ?＜Ｎ?ｒｖｊ?ｒｖｌ?（Ｎ??图３．３数据清洗前后比例图??Ｆｉｇ．?３．３?Ｓｃａｌｅ?ｂｅｆｏｒｅ?ａｎｄ?ａｆｔｅｒ?ｄａｔａ?ｃｌｅａｎｉｎｇ??３．?３．?３公交ＧＰＳ数据清洗??目前大连市大部分公交车都已经安装了?ＧＰＳ设备，正常情况下公交车在行驶??过程中，ＧＰＳ设备会将相关信息实时发送给服务端。但是在以下几种情况下ＧＰＳ??－２５－??


本文编号：3046500