本文關(guān)鍵詞：公共交通車輛串車形成原因及預測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：公交出行是緩解城市交通擁堵,提升城市交通可持續(xù)發(fā)展的重要手段。城市常規(guī)公交是公共交通的主體,其服務水平很大程度上影響了居民的出行選擇,而公交車車輛串車問題很大程度上影響著城市公交系統(tǒng)的服務水平。因此,論文基于理論分析和實際數(shù)據(jù)分析,在系統(tǒng)分析串車問題基礎上,通過建立公交車串車的預測模型,實現(xiàn)對公交車串車問題的有效預測,從而為串車問題改進模型的構(gòu)建提供數(shù)據(jù)支撐,并提出了基于BDS(公交車載設備系統(tǒng),Bus Dispatch System)實時數(shù)據(jù)的反饋控制模型框架,從而有效避免串車現(xiàn)象發(fā)生,對于改善城市公共交通服務水平具有一定的理論意義和實用價值。論文的研究內(nèi)容圍繞公交串車問題,采用理論模型和基于實際數(shù)據(jù)的實例分析相結(jié)合的方式,按照“什么是公交串車問題”、“為什么會發(fā)生公交串車問題”以及“怎樣有效預測與改進公交串車問題”的研究思路展開。首先,結(jié)合車頭時距不穩(wěn)定性的概念,對串車現(xiàn)象給出判定依據(jù),解決了“什么是公交串車問題”其次,給出串車問題產(chǎn)生的六種典型過程,采用描述性分析與自貢市38路公交車的案例分析相結(jié)合的方式,說明這六種典型過程是如何發(fā)生的。接著,為串車問題建立數(shù)學模型,對串車發(fā)生的原因進行理論分析,給出4種導致串車問題發(fā)生的原因,并與串車問題產(chǎn)生的六種典型過程進行對照。然后,通過數(shù)據(jù)分析的方式,運用相關(guān)性檢驗、方差分析、回歸分析等多種統(tǒng)計分析方法,找到了實時數(shù)據(jù)之間的數(shù)量關(guān)系,并結(jié)合邏輯分析確定了實際情況中導致串車問題發(fā)生的影響因素。此后,通過回歸分析給出了串車的7個影響因素,并對其進行重要度排序。接著,研究了不同預測模型之間的差別,通過層次分析法確定基于RBF(徑向基函數(shù),Radial Basis Function)徑向神經(jīng)網(wǎng)絡的公交車串車問題預測模型,對未來站的車頭時距進行預測,并通過預測結(jié)果為串車問題的改進模型提供數(shù)據(jù)支撐,并選取了自貢市38路公交車的實時數(shù)據(jù)進行案例分析,結(jié)果驗證了模型的可靠性。最后,在分析公交車調(diào)度指揮系統(tǒng)流程的基礎上,設計出串車問題的改進模型框架。該改進模型結(jié)合歷史數(shù)據(jù)、實時BDS數(shù)據(jù),運用RBF神經(jīng)網(wǎng)絡的預測結(jié)果,計算理想狀態(tài)下合理的區(qū)間旅行時間(速度)、停站時間、發(fā)車問隔,進而通過調(diào)度指揮系統(tǒng)對公交司機下達實時調(diào)度命令,調(diào)整運行狀態(tài),同時將新生成的數(shù)據(jù)作為歷史數(shù)據(jù)反饋給系統(tǒng)。
【關(guān)鍵詞】：串車 實時BDS數(shù)據(jù) 影響因素 RBF徑向神經(jīng)網(wǎng)絡
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491.17
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-20
• 1.1 研究背景10-11
• 1.2 研究目標和意義11-12
• 1.2.1 研究目標11
• 1.2.2 研究意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-17
• 1.3.1 國外研究現(xiàn)狀12-16
• 1.3.1.1 概述12
• 1.3.1.2 基于時刻表的串車問題研究12-13
• 1.3.1.3 基于車頭時距的串車問題研究13-14
• 1.3.1.4 基于實時信息的串車問題研究14-15
• 1.3.1.5 實際應用15-16
• 1.3.2 國內(nèi)研究現(xiàn)狀16
• 1.3.3 研究現(xiàn)狀小結(jié)16-17
• 1.4 研究內(nèi)容17
• 1.5 研究方法與技術(shù)路線17-20
• 第二章 公交車串車問題判斷與分析20-36
• 2.1 研究對象及背景20-24
• 2.1.1 自貢市城市公共交通環(huán)境20
• 2.1.2 線路描述20-21
• 2.1.3 研究對象21-22
• 2.1.4 數(shù)據(jù)描述22-24
• 2.1.4.1 原始數(shù)據(jù)描述22-23
• 2.1.4.2 數(shù)據(jù)采集原理23-24
• 2.2 基于實時BDS數(shù)據(jù)的公交車串車現(xiàn)象判斷與分析24-34
• 2.2.1 車頭時距計算24-27
• 2.2.2 串車現(xiàn)象判斷27-31
• 2.2.3 基于實時BDS數(shù)據(jù)的自貢市公交車串車問題統(tǒng)計分析31-34
• 2.2.3.1 車站-Cov(h)31-32
• 2.2.3.2 時間段-Cov(h)32-33
• 2.2.3.3 工作日/非工作日-Cov(h)33-34
• 2.3 本章小結(jié)34-36
• 第三章 公交車串車的理論原因分析36-56
• 3.1 串車問題產(chǎn)生的六種典型過程36-48
• 3.1.1 串車問題產(chǎn)生的六種典型過程的描述性分析36-39
• 3.1.2 實例分析——自貢市公交車串車的六種典型過程分析39-48
• 3.2 串車問題原因理論分析48-54
• 3.2.1 系統(tǒng)建模48-52
• 3.2.1.1 系統(tǒng)說明48-49
• 3.2.1.2 系統(tǒng)假設49-50
• 3.2.1.3 成因分析模型建立與計算50-52
• 3.2.1.4 模型結(jié)果分析52
• 3.2.2 串車問題成因分析模型小結(jié)52-54
• 3.2.2.1 串車現(xiàn)象的性質(zhì)52-53
• 3.2.2.2 串車現(xiàn)象成因53-54
• 3.3 本章小結(jié)54-56
• 第四章 基于實時數(shù)據(jù)的公交車串車影響因素分析56-74
• 4.1 影響因素選擇與分析56-60
• 4.2 基于實時數(shù)據(jù)的串車影響因素分析60-71
• 4.2.1 影響因素的篩選-方差分析61-67
• 4.2.2 影響權(quán)重的排序-回歸分析67-71
• 4.3 影響因素分析結(jié)論71-72
• 4.4 本章小結(jié)72-74
• 第五章 基于BDS實時數(shù)據(jù)的公交車串車預測模型74-90
• 5.1 基于實時BDS數(shù)據(jù)的公交車串車預測模型74-82
• 5.1.1 基于層次分析法的定量預測模型選取74-79
• 5.1.2 基于RBF徑向神經(jīng)網(wǎng)絡的公交車串車預測模型79-82
• 5.1.2.1 變量的選擇80-81
• 5.1.2.2 基于RBF徑向神經(jīng)網(wǎng)絡的公交車車頭時距預測模型81-82
• 5.2 案例分析82-86
• 5.2.1 數(shù)據(jù)獲取與處理82-84
• 5.2.2 基于RBF徑向神經(jīng)網(wǎng)絡的公交車車頭時距預測模型的預測84-86
• 5.3 基于實時BDS數(shù)據(jù)的公交車串車問題改進模型框架設計86-89
• 5.3.1 基于實時BDS數(shù)據(jù)的公交車串車問題改進模型的功能與定位86-87
• 5.3.2 基于實時BDS數(shù)據(jù)的公交車串車問題改進模型框架87-88
• 5.3.3 基于反饋控制模型的實時調(diào)度指令88-89
• 5.4 本章小結(jié)89-90
• 第六章 成果與展望90-94
• 6.1 主要成果90-91
• 6.2 不足與進一步研究方向91-94
• 致謝94-96
• 參考文獻96-100
• 作者簡介100

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 魏軍賢;;掘進機后配套串車運輸快速施工技術(shù)[A];全國“三下”采煤學術(shù)會議論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 尚慶;“串車”族推高車價車企政策布局亟待調(diào)整[N];人民公安報·交通安全周刊;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 李夢甜;公共交通車輛串車形成原因及預測研究[D];東南大學;2016年

  本文關(guān)鍵詞：公共交通車輛串車形成原因及預測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：488796