公交車(chē)到站時(shí)間預(yù)測(cè)是實(shí)現(xiàn)智能公交的重要技術(shù)基礎(chǔ)。在實(shí)際應(yīng)用中,由于公交信息感知設(shè)備、通訊傳輸?shù)戎T多環(huán)節(jié)均可能受系統(tǒng)故障、環(huán)境變化等因素的影響,導(dǎo)致采集的公交車(chē)運(yùn)行數(shù)據(jù)出現(xiàn)異常,直接影響預(yù)測(cè)效果;同時(shí),公交車(chē)運(yùn)行過(guò)程受多種交通因素的影響,其行程時(shí)間存在一定波動(dòng)性和不確定性。但現(xiàn)有預(yù)測(cè)方法一般都忽略了這些因素的影響。因此,本文針對(duì)上述問(wèn)題,以提升公交車(chē)到站時(shí)間預(yù)測(cè)的可靠性為目標(biāo)展開(kāi)研究,對(duì)改善公交到站時(shí)間預(yù)測(cè)系統(tǒng)的工程實(shí)際應(yīng)用效果具有重要意義。論文從分析影響公交到站時(shí)間預(yù)測(cè)可靠性關(guān)鍵因素入手,分別從數(shù)據(jù)處理和預(yù)測(cè)方法兩個(gè)層面進(jìn)行預(yù)測(cè)可靠性的提升研究。針對(duì)數(shù)據(jù)異常問(wèn)題,建立了數(shù)據(jù)缺失及數(shù)據(jù)錯(cuò)誤的評(píng)價(jià)方法;并提出了公交車(chē)異常數(shù)據(jù)修復(fù)算法來(lái)為后續(xù)預(yù)測(cè)提供可用的修復(fù)后數(shù)據(jù)。針對(duì)公交車(chē)行程時(shí)間波動(dòng)問(wèn)題,提出了一種改進(jìn)的馬爾科夫鏈預(yù)測(cè)算法來(lái)預(yù)測(cè)公交車(chē)站間行程時(shí)間,在此基礎(chǔ)上建立了公交車(chē)到站時(shí)間預(yù)測(cè)模型。最后通過(guò)應(yīng)用測(cè)試證明了本文上述所提可靠性提升方法的有效性。論文主要內(nèi)容包括:(1)公交車(chē)數(shù)據(jù)異常分析與處理。論文歸納和總結(jié)了數(shù)據(jù)異常情況,并基于此深入探討了數(shù)據(jù)異常對(duì)預(yù)測(cè)可靠性的影響。然后,針對(duì)數(shù)據(jù)缺失建立了公交車(chē)到站時(shí)間預(yù)測(cè)角度下的數(shù)據(jù)完整性評(píng)價(jià)方法,針對(duì)數(shù)據(jù)錯(cuò)誤提出了基于統(tǒng)計(jì)學(xué)和物理識(shí)別法的數(shù)據(jù)正確性評(píng)價(jià)方法。最后,提出了基于前車(chē)數(shù)據(jù)的異常數(shù)據(jù)修復(fù)算法。并利用重慶市公交數(shù)據(jù)對(duì)提出的數(shù)據(jù)處理方法進(jìn)行檢驗(yàn),實(shí)驗(yàn)結(jié)果表明本文所提方法能有效識(shí)別和修復(fù)異常的公交車(chē)數(shù)據(jù)。(2)公交車(chē)到站時(shí)間預(yù)測(cè)模型可靠性提升方法。論文考慮到公交行程時(shí)間波動(dòng)問(wèn)題,提出了一種改進(jìn)的馬爾科夫鏈預(yù)測(cè)算法來(lái)預(yù)測(cè)公交車(chē)站間行程時(shí)間,引入自相關(guān)系數(shù)動(dòng)態(tài)調(diào)整預(yù)測(cè)模型中各前車(chē)信息權(quán)重,并通過(guò)移動(dòng)誤差對(duì)預(yù)測(cè)結(jié)果進(jìn)行實(shí)時(shí)修正從而增強(qiáng)預(yù)測(cè)模型的魯棒性。最后,結(jié)合站間行程時(shí)間和站點(diǎn)�？繒r(shí)間建立了公交車(chē)到站時(shí)間預(yù)測(cè)模型,確定了預(yù)測(cè)結(jié)果的可靠性評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)表明本文的預(yù)測(cè)方法優(yōu)于現(xiàn)有方法,具有更好的預(yù)測(cè)效果。最后,利用VS2010開(kāi)發(fā)工具設(shè)計(jì)與實(shí)現(xiàn)了公交車(chē)到站時(shí)間預(yù)測(cè)系統(tǒng),分別進(jìn)行了只利用數(shù)據(jù)處理方法、綜合利用數(shù)據(jù)處理方法及改進(jìn)預(yù)測(cè)方法的應(yīng)用測(cè)試。結(jié)果驗(yàn)證了本文提出的方法可以有效提升公交車(chē)到站時(shí)間預(yù)測(cè)結(jié)果的可靠性。
【學(xué)位單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：U491.17
【部分圖文】：

圖 3.4 完整性指標(biāo)INTD 值Fig. 3.4 Integrity indicatorINTD value從上述的數(shù)據(jù)完整性評(píng)價(jià)結(jié)果可以看出每天的完整性評(píng)價(jià)指數(shù)不盡相同，值為 0.843，最高值為 0.932�？傮w來(lái)說(shuō)，數(shù)據(jù)缺失的情況每天都在發(fā)生，合據(jù)缺失的百分比達(dá)到 10.2%，說(shuō)明數(shù)據(jù)缺失問(wèn)題較為普遍存在且不容忽視。.3.2 基于統(tǒng)計(jì)學(xué)和物理識(shí)別法的數(shù)據(jù)正確性評(píng)價(jià)本小節(jié)主要是針對(duì)公交車(chē)運(yùn)行數(shù)據(jù)進(jìn)行正確性評(píng)價(jià)，研究數(shù)據(jù)的正確性評(píng)后續(xù)的錯(cuò)誤數(shù)據(jù)識(shí)別有指導(dǎo)作用，因此本小節(jié)先對(duì)正確性評(píng)價(jià)指標(biāo)進(jìn)行分析針對(duì)上一節(jié)歸納的數(shù)據(jù)錯(cuò)誤情況研究其對(duì)應(yīng)的識(shí)別方法。① 正確性評(píng)價(jià)指標(biāo)數(shù)據(jù)的正確性評(píng)價(jià)是為了描述數(shù)據(jù)與客觀世界的符合程度。上一章已經(jīng)闡，本文中的錯(cuò)誤數(shù)據(jù)是指數(shù)據(jù)值超出閾值或不滿足已有的原理與規(guī)則的數(shù)據(jù)以，正確性評(píng)價(jià)就是評(píng)價(jià)出不符合上述條件的數(shù)據(jù)。從國(guó)內(nèi)外關(guān)于數(shù)據(jù)質(zhì)量評(píng)價(jià)的定量指標(biāo)相關(guān)研究可知，目前較為通用的數(shù)

圖 3.5 正確性指標(biāo)coTD 值Fig. 3.5 Correctness indicator value統(tǒng)計(jì)結(jié)果說(shuō)明，錯(cuò)誤數(shù)據(jù)大量存在，百分比可高達(dá) 22.5%；根據(jù) 3.2 節(jié)的對(duì)預(yù)測(cè)可靠性的影響分析可知，錯(cuò)誤數(shù)據(jù)出現(xiàn)時(shí)會(huì)不能真實(shí)反映當(dāng)時(shí)的情況，從而對(duì)公交到站時(shí)間預(yù)測(cè)造成影響。 公交車(chē)異常數(shù)據(jù)的修復(fù)方法研究目前關(guān)于交通異常數(shù)據(jù)的修復(fù)，國(guó)內(nèi)外研究學(xué)者已經(jīng)做了大量工作。如法、移動(dòng)平均法，歷史趨勢(shì)修正法等等[48]。歷史趨勢(shì)修正法和統(tǒng)計(jì)分析過(guò)處理大量歷史數(shù)據(jù)掌握歷史規(guī)律去進(jìn)行數(shù)據(jù)修復(fù)工作，但是其實(shí)時(shí)性不平均法是利用過(guò)去最近的正確數(shù)據(jù)去修復(fù)異常數(shù)據(jù)，其停留在過(guò)去而沒(méi)據(jù)異常時(shí)刻的環(huán)境不同會(huì)導(dǎo)致的變化。所以，針對(duì)公交車(chē)數(shù)據(jù)異常情況出了結(jié)合歷史規(guī)律與實(shí)時(shí)信息的數(shù)據(jù)修復(fù)方法。.1 公交前后車(chē)關(guān)聯(lián)度分析

min 0ir k(3max 0max max ( )ir k k(3min max(0, ) ( , )0 max( , )( )k i kix xk + + (3其中，0( )i k為第 個(gè)前車(chē)與目標(biāo)公交車(chē)在路段 k 的平均速度絕對(duì)差值，小絕對(duì)差，max 為最大絕對(duì)差，(0, ) ( , )( , )k i k x x為第 i 個(gè)前車(chē)與目標(biāo)公交k 的關(guān)聯(lián)系數(shù)， 為分辨系數(shù)，通常取 0.5。顯然(0, ) ( , )( , )k i k x x隨路段變化，如果對(duì)其求 m 個(gè)路段的平均值，則得到目與第 個(gè)前車(chē)在全過(guò)程的關(guān)聯(lián)程度，即：(0, ) ( , )11( , )mr k r kkx xm (3為了驗(yàn)證前后車(chē)在相同路段的運(yùn)行狀態(tài)具有關(guān)聯(lián)性，選取了重慶公交 182017 年 9 月 20 號(hào)的某輛目標(biāo)公交車(chē)與其前車(chē)的歷史數(shù)據(jù)進(jìn)行分析，以站劃分依據(jù)，整理得到該公交車(chē)與其前車(chē)的路段平均速度。結(jié)果如下圖 3.6 所
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 廖孝勇;崔德冠;孫棣華;;公交到達(dá)時(shí)間預(yù)測(cè)誤差分析及模型改進(jìn)[J];科技視界;2015年34期

2 鮑東玉;王軍;;車(chē)輛檢測(cè)器異常數(shù)據(jù)清洗及修復(fù)方法研究[J];物聯(lián)網(wǎng)技術(shù);2015年10期

3 尹章才;孫華濤;陳雪菲;劉清全;;定向移動(dòng)基于馬爾科夫鏈的時(shí)空不確定性[J];測(cè)繪學(xué)報(bào);2015年10期

4 向紅艷;彭學(xué)文;;公交到站時(shí)間預(yù)測(cè)研究現(xiàn)狀與發(fā)展趨勢(shì)[J];交通信息與安全;2014年04期

5 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

6 胡繼華;李國(guó)源;程智鋒;;基于馬爾科夫鏈的公交站間行程時(shí)間預(yù)測(cè)算法[J];交通信息與安全;2014年02期

7 陸化普;李瑞敏;;城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢(shì)[J];工程研究-跨學(xué)科視野中的工程;2014年01期

8 計(jì)曉昕;關(guān)偉;;組合非參數(shù)回歸和卡爾曼濾波的公交車(chē)到站時(shí)間預(yù)測(cè)[J];科學(xué)技術(shù)與工程;2013年32期

9 左忠義;汪磊;;公交到站時(shí)間實(shí)時(shí)預(yù)測(cè)信息發(fā)布技術(shù)研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2013年01期

10 胡繼華;程智鋒;詹承志;陳熹;;基于時(shí)空路徑的城市公交時(shí)間可靠性研究[J];地理科學(xué);2012年06期

相關(guān)博士學(xué)位論文 前1條

1 梁士棟;隨機(jī)環(huán)境下公交系統(tǒng)魯棒性優(yōu)化方法研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 李寶興;區(qū)間化分析的不完整數(shù)據(jù)模糊聚類(lèi)算法研究[D];遼寧大學(xué);2016年

2 童小龍;公交運(yùn)行可靠性及其改善策略研究[D];東南大學(xué);2016年

3 王英會(huì);高速公路交通流異常數(shù)據(jù)識(shí)別及修復(fù)方法研究[D];北京交通大學(xué);2015年

4 王蓓蕾;基于改進(jìn)BP估值的缺失數(shù)據(jù)模糊聚類(lèi)算法研究[D];遼寧大學(xué);2015年

5 李慧恬;城市公交運(yùn)行數(shù)據(jù)時(shí)空預(yù)測(cè)算法及可靠性分析[D];山東大學(xué);2015年

6 樊冬雪;基于優(yōu)化灰色馬爾科夫鏈模型的鐵路客流量預(yù)測(cè)方法研究[D];重慶交通大學(xué);2015年

7 謝羲;基于時(shí)空關(guān)系協(xié)同作用的交通數(shù)據(jù)預(yù)處理方法研究[D];長(zhǎng)安大學(xué);2015年

8 王珂莉;公交電子站牌信息延遲的分析及預(yù)測(cè)研究[D];重慶大學(xué);2015年

9 湯月華;基于GPS數(shù)據(jù)的公交站點(diǎn)區(qū)間行程時(shí)間分布與可靠性分析[D];浙江大學(xué);2015年

10 苗海芳;多源交通信息數(shù)據(jù)質(zhì)量評(píng)價(jià)與控制方法研究[D];吉林大學(xué);2014年

本文編號(hào)：2879441