【摘要】：公共交通系統(tǒng)對于城市交通的緩解有著不可替代的作用,而且智能化和信息化的公交系統(tǒng)能有效提高道路交通系統(tǒng)的運行效率以及對于城市居民的服務(wù)能力。作為城市居民,非常關(guān)心公共車輛的到站時間,到站時間可以減少乘車在站臺的等車時間,提高乘客乘車的滿意度,同時也可以優(yōu)化乘客的出行計劃,從而提高公共服務(wù)水平。近年來,許多國家都意識到公共交通信息發(fā)布的重要性,公交車輛到站時間預(yù)測在智能公交技術(shù)應(yīng)用中占有舉足輕重的地位,相關(guān)的預(yù)測和信息發(fā)布系統(tǒng)在許多地方得到應(yīng)用。首先,本文介紹了智能公交系統(tǒng)中公交到站時間的相關(guān)研究背景、在應(yīng)用過程是碰到的一些待解決的問題的基礎(chǔ)上展開本的研究,并概括性的介紹了當(dāng)前智能公交系統(tǒng)中公交到站時間預(yù)測的發(fā)展情況和本文所做的一些研究工作其次,介紹了GPS系統(tǒng)的結(jié)構(gòu),然后再分析GPS結(jié)構(gòu)的基礎(chǔ)上講述GPS誤差的產(chǎn)生的原因,在后面幾小節(jié),針對不同的誤差數(shù)據(jù),分別給出解決方法予以檢出和修正。GPS數(shù)據(jù)的采集和預(yù)處理是公交車到達(dá)時間預(yù)測模型的基礎(chǔ)和前提,也是在現(xiàn)有條件下建立預(yù)測模型所必須解決的實際問題,是實現(xiàn)公交車到達(dá)時間準(zhǔn)確預(yù)測的關(guān)鍵技術(shù)之一。盡管受各種因素的影響,我們還是可以從公交車輛的行駛歷史數(shù)據(jù)中看出公交車輛的運行時間還是有一定的規(guī)律性的,一般情況下,車輛的歷史到站時間還是可以作為車輛實時到站時間預(yù)測模型的參照值。但是,對于行駛于同一條公交線路上的公交車輛,如果發(fā)生突發(fā)的交通狀況,其行駛時間還是會有一定的偏差的,如果僅僅依靠歷史數(shù)據(jù)的話,還是有可能會產(chǎn)生一定偏差的。但是前車(當(dāng)前行駛車輛的前一班公交車)的平均瞬時速度還是能夠作為該路段交通狀況的重要參考因素,在數(shù)據(jù)采集和預(yù)處理的基礎(chǔ)上,利用前車的數(shù)據(jù)對獲取的歷史經(jīng)驗數(shù)據(jù)進(jìn)行評估、修正,提出一種基于前車與歷史經(jīng)驗數(shù)據(jù)的車輛到站時間預(yù)測模型。最后,這次實驗選擇了南昌市高鐵2號線路進(jìn)行預(yù)測實驗,該條公交線路經(jīng)過了南昌市市區(qū)、西鐵站兩個重要的區(qū)域,路況相對比較復(fù)雜路況,非常具有代表性。結(jié)果證明模型預(yù)測精度和可靠性滿足實用要求。
[Abstract]:The public transportation system plays an irreplaceable role in the urban traffic mitigation, and the intelligent and informational public transportation system can effectively improve the efficiency of the road traffic system and the service ability of the urban residents. As city residents, they are very concerned about the arrival time of public vehicles. The arrival time can reduce the waiting time and improve the satisfaction of passengers. At the same time, it can optimize the travel plan of passengers and improve the level of public service. In recent years, many countries have realized the importance of public transportation information release, and bus arrival time prediction plays an important role in the application of intelligent public transport technology, and relevant prediction and information release systems have been applied in many places. First of all, this paper introduces the related research background of bus arrival time in intelligent public transport system, based on some problems to be solved in the application process, The development of bus arrival time prediction in intelligent bus system and some research work done in this paper are introduced. Secondly, the structure of GPS system is introduced. Then, based on the analysis of GPS structure, the causes of GPS error are discussed. In the following sections, different error data are analyzed. The GPS data acquisition and preprocessing are the basis and premise of the bus arrival time prediction model, and are also the practical problems that must be solved in the establishment of the prediction model under the existing conditions. It is one of the key technologies for accurate prediction of bus arrival time. Despite the influence of various factors, we can still see from the historical data of public transport vehicles that the running time of public transport vehicles is still regular. Generally speaking, The historical arrival time of vehicles can still be used as the reference value of the real-time vehicle arrival time prediction model. However, for the public transport vehicles running on the same bus line, if the sudden traffic situation occurs, the travel time will still have a certain deviation, if only depends on the historical data, it is possible to produce a certain deviation. However, the average instantaneous speed of the front car (the previous bus of the current vehicle) can still be used as an important reference factor for the traffic situation in this section, on the basis of data collection and preprocessing, Using the data of the front car to evaluate and modify the obtained historical experience data, a prediction model of the arrival time of the vehicle based on the data of the front car and the historical experience is proposed. Finally, this experiment selected Nanchang City High Speed Line 2 to carry on the forecast experiment, the public transport line passed through the Nanchang city, the west railway station two important areas, the road condition is relatively complex, very representative. The results show that the prediction accuracy and reliability of the model meet the practical requirements.
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.17;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張成;王興春;;空中機動目標(biāo)航路預(yù)測模型[J];火力與指揮控制;2007年09期

2 李楷;;論汽車整車庫存預(yù)測模型的構(gòu)建[J];現(xiàn)代商貿(mào)工業(yè);2008年05期

3 趙國清;張少勇;;關(guān)于成長曲線預(yù)測模型參數(shù)識別的一點看法[J];哈爾濱科學(xué)技術(shù)大學(xué)科學(xué)報告會論文摘要匯編;1985年S1期

4 左常勇;;隨機疲勞壽命分布預(yù)測模型[J];機械強度;1988年02期

5 ;《節(jié)能管理和預(yù)測模型》[J];中國能源;1991年08期

6 劉沐宇,鄭澤岱;灰色預(yù)測模型及在巷道收斂位移中的應(yīng)用[J];非金屬礦;1992年05期

7 張步涵;鄭琢非;;灰色預(yù)測模型在農(nóng)電規(guī)劃中的應(yīng)用[J];水電能源科學(xué);1993年02期

8 陳淑敏;王秀英;;指數(shù)預(yù)測模型及參數(shù)識別[J];哈爾濱科學(xué)技術(shù)大學(xué)學(xué)報;1993年03期

9 陳傳波,劉廣宇;實時參量預(yù)測模型及其分析[J];湖北工學(xué)院學(xué)報;2001年04期

10 梅國建;張向波;徐宗昌;溫再華;;基于支持向量分類的裝備完好性預(yù)測模型[J];裝甲兵工程學(xué)院學(xué)報;2009年01期

相關(guān)會議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預(yù)測[A];第九屆中國青年信息與管理學(xué)者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預(yù)測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預(yù)測模型的選擇及其智能化實現(xiàn)[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預(yù)測模型及應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預(yù)測模型及其比較研究[A];2004年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟(jì)、人口、能源、環(huán)境綜合系統(tǒng)預(yù)測模型及應(yīng)用[A];中國城市建設(shè)與環(huán)境保護(hù)實踐——城市建設(shè)與環(huán)境保護(hù)學(xué)術(shù)研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預(yù)測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學(xué)術(shù)年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測模型[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

相關(guān)重要報紙文章 前10條

1 劉慶;“預(yù)測模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設(shè)計價格預(yù)測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習(xí)生 周鵬程;預(yù)測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預(yù)測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術(shù)官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預(yù)測智能：管理復(fù)雜基礎(chǔ)架構(gòu)的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構(gòu)建利潤預(yù)測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟(jì)研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應(yīng)”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習(xí)記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀(jì)經(jīng)濟(jì)報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

相關(guān)博士學(xué)位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預(yù)測模型研究[D];中國地質(zhì)大學(xué);2015年

2 張麗;牦牛肉用品質(zhì)特性及近紅外預(yù)測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學(xué)院;2015年

3 吳利豐;分?jǐn)?shù)階灰色預(yù)測模型及其應(yīng)用研究[D];南京航空航天大學(xué);2015年

4 王菲;肉牛飼料有效能值預(yù)測模型的建立與評價[D];中國農(nóng)業(yè)大學(xué);2016年

5 周闖;原發(fā)性肝癌術(shù)后轉(zhuǎn)移復(fù)發(fā)分子預(yù)測模型的優(yōu)化整合與臨床轉(zhuǎn)化[D];復(fù)旦大學(xué);2012年

6 孫忠林;煤礦安全生產(chǎn)預(yù)測模型的研究[D];山東科技大學(xué);2009年

7 王冬光;控制技術(shù)在投資預(yù)測模型建立中的應(yīng)用研究[D];哈爾濱工程大學(xué);2005年

8 張麗峰;中國能源供求預(yù)測模型及發(fā)展對策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

9 王育紅;灰色預(yù)測模型與灰色證據(jù)組合模型研究及應(yīng)用[D];南京航空航天大學(xué);2010年

10 崔立志;灰色預(yù)測技術(shù)及其應(yīng)用研究[D];南京航空航天大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡(luò)的纖維熱磨過程能耗預(yù)測模型的研究[D];東北林業(yè)大學(xué);2015年

2 張念;鐵路軌道幾何不平順趨勢預(yù)測的關(guān)鍵算法研究[D];西南交通大學(xué);2015年

3 田振偉;城市能源預(yù)測模型的研究與應(yīng)用[D];昆明理工大學(xué);2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預(yù)測模型[D];中國地質(zhì)大學(xué)(北京);2015年

5 齊雯;采用灰色預(yù)測模型改進(jìn)的HHT算法在故障診斷中的應(yīng)用[D];華南理工大學(xué);2015年

6 王萍;膀胱癌遺傳分?jǐn)?shù)的計算及發(fā)病風(fēng)險預(yù)測模型的構(gòu)建[D];復(fù)旦大學(xué);2013年

7 石大宏;基于序列的蛋白質(zhì)—核苷酸綁定位點預(yù)測研究[D];南京理工大學(xué);2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡(luò)的混合預(yù)測模型的實例研究[D];蘭州大學(xué);2015年

9 趙Z，

本文編號：2388340