基于支持張量機與動態(tài)混合算法的公交車到站時間在線預測研究.pdf

1、隨著社會經(jīng)濟的快速發(fā)展，城市居民生活水平的不斷提高，機動車保有量和道路交通量急劇增大，交通擁擠、環(huán)境污染、能源浪費等諸多問題日益嚴重，而加快發(fā)展公共交通則是解決這些問題的有效途徑。加快發(fā)展公共交通的關(guān)鍵在于為出行者提供優(yōu)質(zhì)的服務(wù)，公交車到站時間預測使得出行乘客可以自由的安排出行計劃，是提高公交服務(wù)質(zhì)量的一種有效方法。
　　本文首先對國內(nèi)外到站時間預測技術(shù)的研究狀況進行了分析和對比，同時介紹了公交車信息采集技術(shù)的發(fā)展情況和一些預測相

2、關(guān)的理論知識。然后利用現(xiàn)有的公交車歷史樣本數(shù)據(jù)，分析了影響公交車到站時間的相關(guān)因素；利用樣本數(shù)據(jù)并結(jié)合聚類分析算法，分析了公交車行駛的時間段規(guī)律，挖掘了數(shù)據(jù)樣本中隱藏的先驗信息；分析歷史數(shù)據(jù)樣本和實時樣本數(shù)據(jù)之間的規(guī)律，探討了特征輸入選取問題，并得出了特征選擇的一些方法和策略。
　　在分析影響公交車到站時間的因素和行駛規(guī)律后，提出了一種基于支持張量機與動態(tài)混合算法的公交車到站時間在線預測研究。該算法是一種靜態(tài)預測與動態(tài)在線預測相結(jié)

3、合的方法，靜態(tài)預測算法是一種基于支持張量機的建模預測算法，其特征輸入分別為時間段、是否工作日、天氣、路段長度和速度，并結(jié)合聚類分析得到的時間段信息，充分利用了支持張量機建模時樣本數(shù)據(jù)結(jié)構(gòu)不丟失的特性，提高了預測的效果和精度。動態(tài)預測建模根據(jù)公交車運行狀態(tài)，分別構(gòu)建了三個子模型來預測，通過構(gòu)建實時數(shù)據(jù)集結(jié)合多元線性模型、梯度下降算法等，并利用了靜態(tài)預測的基準時間作為參考時間，實現(xiàn)了對公交車到站時間在線預測。
　　最后，采用贛州市K1