近年來(lái),基于公交導(dǎo)向的城市交通蓬勃發(fā)展,智能公交系統(tǒng)受到了我國(guó)人民越來(lái)越多的關(guān)注,同時(shí)大城市的公交實(shí)時(shí)預(yù)測(cè)研究也變得炙手可熱。通過(guò)實(shí)時(shí)準(zhǔn)確的公交到站時(shí)間預(yù)測(cè)技術(shù),有助于促進(jìn)APTS的智能信息化發(fā)展,提高城市的管理水平和服務(wù)能力,同時(shí)也能讓公交系統(tǒng)的運(yùn)行效率大大提升。因此,本文以廣州的公交線路作為研究對(duì)象,通過(guò)對(duì)公交運(yùn)行特性及預(yù)測(cè)方法的分析,確定了基于統(tǒng)計(jì)的預(yù)測(cè)方法在公交到站實(shí)時(shí)預(yù)測(cè)的可行性,并以公交運(yùn)行時(shí)間曲線作為研究對(duì)象,針對(duì)城市的公交到站時(shí)間實(shí)時(shí)預(yù)測(cè)展開(kāi)工作,通過(guò)處理分析公交運(yùn)行的歷史時(shí)間數(shù)據(jù),進(jìn)而構(gòu)建運(yùn)行時(shí)間曲線,從基于統(tǒng)計(jì)的規(guī)律中出發(fā),提出了基于聚類分析的曲線匹配預(yù)測(cè)模型、基于曲線匹配的預(yù)測(cè)模型、基于日期特征的預(yù)測(cè)模型,根據(jù)研究的內(nèi)容主要?jiǎng)澐譃橐韵氯齻�(gè)方面:首先,以廣州2017年近110天的數(shù)據(jù)為基礎(chǔ),對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理和標(biāo)準(zhǔn)化分析,將歷史數(shù)據(jù)轉(zhuǎn)化成視覺(jué)化的運(yùn)行時(shí)間曲線。再對(duì)曲線進(jìn)行中值濾波處理,通過(guò)對(duì)運(yùn)行時(shí)間曲線的特征進(jìn)行差異研究,針對(duì)曲線特征參數(shù)譬如:斜率、縱坐標(biāo)數(shù)值、曲率等逐個(gè)計(jì)算、分析、篩選,提出了基于曲線匹配的研究思路。然后,為了研究基于曲線匹配的公交到站預(yù)測(cè)的效率...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景
        1.1.1 大城市公交發(fā)展趨勢(shì)
        1.1.2 智能公交系統(tǒng)快速發(fā)展
        1.1.3 公交到站時(shí)間預(yù)測(cè)應(yīng)用現(xiàn)狀
        1.1.4 研究方案及問(wèn)題分析
    1.2 本課題研究目的
    1.3 研究現(xiàn)狀
        1.3.1 國(guó)外研究現(xiàn)狀概述
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀概述
    1.4 本文的研究?jī)?nèi)容與思路
        1.4.1 研究?jī)?nèi)容
        1.4.2 研究思路
第二章 公交到站時(shí)間預(yù)測(cè)的相關(guān)模型
    2.1 公交車(chē)運(yùn)行特性介紹
    2.2 公交到站時(shí)間預(yù)測(cè)模型介紹
        2.2.1 基于統(tǒng)計(jì)的預(yù)測(cè)模型
        2.2.2 基于分析的預(yù)測(cè)模型
        2.2.3 預(yù)測(cè)模型比較分析
    2.3 曲線匹配模型的相關(guān)性
    2.4 本章小結(jié)
第三章 曲線匹配預(yù)測(cè)的可行性分析
    3.1 曲線匹配思路的提出
        3.1.1 公交到站時(shí)間原始數(shù)據(jù)
        3.1.2 運(yùn)行時(shí)間的數(shù)據(jù)分析
        3.1.3 運(yùn)行時(shí)間曲線的分析
    3.2 曲線匹配的可行性分析
    3.3 曲線匹配的特征參數(shù)分析
        3.3.1 特征參數(shù)概述
        3.3.2 各類特征參數(shù)的概念及計(jì)算
        3.3.3 特征參數(shù)的分析比較
    3.4 本章小結(jié)
第四章 基于曲線匹配的預(yù)測(cè)模型構(gòu)建
    4.1 原始數(shù)據(jù)的處理
        4.1.1 原始數(shù)據(jù)的獲取
        4.1.2 原始數(shù)據(jù)的基礎(chǔ)信息完善
        4.1.3 預(yù)處理數(shù)據(jù)的標(biāo)準(zhǔn)化
    4.2 運(yùn)行時(shí)間曲線的處理
        4.2.1 曲線的中值濾波平滑
        4.2.2 曲線的聚類分析優(yōu)化
    4.3 模型特征參數(shù)的確定
    4.4 曲線匹配預(yù)測(cè)模型的建立
        4.4.1 曲線匹配預(yù)測(cè)的思路
        4.4.2 曲線匹配長(zhǎng)度的標(biāo)準(zhǔn)化
        4.4.3 基于聚類分析的曲線匹配
        4.4.4 模型誤差評(píng)價(jià)指標(biāo)
    4.5 本章小結(jié)
第五章 預(yù)測(cè)模型的實(shí)證檢驗(yàn)
    5.1 基于日期特征的預(yù)測(cè)模型
    5.2 基于曲線匹配的預(yù)測(cè)模型
    5.3 基于聚類分析的曲線預(yù)測(cè)模型
    5.4 模型的效果對(duì)比及評(píng)價(jià)
        5.4.1 模型精度分析
        5.4.2 模型復(fù)雜度分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究結(jié)論
    6.2 研究展望
參考文獻(xiàn)
致謝



本文編號(hào)：3749523