降雨天氣條件下短時(shí)公交客流預(yù)測(cè)研究.pdf

1、國(guó)內(nèi)圖書分類號(hào)：U491.1學(xué)校代碼：10213國(guó)際圖書分類號(hào)：656密級(jí)：公開工學(xué)碩士學(xué)位論文工學(xué)碩士學(xué)位論文降雨天氣條件下短時(shí)公交客流預(yù)測(cè)研究碩士研究生：劉欣彤導(dǎo)師：謝秉磊教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科：交通運(yùn)輸工程所在單位：深圳研究生院答辯日期：2016年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文I摘要短時(shí)公交客流預(yù)測(cè)是實(shí)現(xiàn)實(shí)時(shí)公交調(diào)度優(yōu)化的基礎(chǔ)。只有準(zhǔn)確的掌握客流短時(shí)變化，調(diào)度人員才能合理配置公交資源，保證供需平

2、衡，實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)效益最大化。但短時(shí)公交客流容易受隨機(jī)因素影響，有較強(qiáng)的時(shí)變性和隨機(jī)性，不易準(zhǔn)確預(yù)測(cè)。而目前的短時(shí)公交客流預(yù)測(cè)研究多是單純依據(jù)歷史客流的變化規(guī)律，沒(méi)有考慮天氣等隨機(jī)因素的影響，使得客流預(yù)測(cè)精度不高。并且國(guó)內(nèi)關(guān)于降雨天氣等不利天氣對(duì)公交客流影響的研究近乎空白，故本文充分挖掘公交IC卡信息和天氣數(shù)據(jù)，分析降雨天氣條件對(duì)公交客流的影響，并建立降雨天氣條件下短時(shí)公交客流預(yù)測(cè)模型，旨在提高公交客流的準(zhǔn)確性和可靠性。對(duì)公交IC卡數(shù)據(jù)和

3、降雨數(shù)據(jù)進(jìn)行預(yù)處理，充分挖掘利用公交IC卡信息，提取公交IC卡信息統(tǒng)計(jì)公交線路客流，并分析客流的時(shí)間變化規(guī)律；對(duì)公交客流的影響因素進(jìn)行系統(tǒng)分析，并消除其他因素影響重點(diǎn)分析降雨天氣因素與公交客流的相關(guān)性，從不同日類型、不同時(shí)段、不同線路三個(gè)方面分析降雨天氣對(duì)公交客流量的影響程度，得出降雨天氣對(duì)公交客流的影響規(guī)律。在分析降雨天氣對(duì)公交客流的影響特性的基礎(chǔ)上，提出了基于識(shí)別相似模式的短時(shí)公交客流預(yù)測(cè)模型，應(yīng)用SVMKNN算法識(shí)別相似模式，預(yù)測(cè)

4、公交客流。SVMKNN算法結(jié)合了支持向量機(jī)（SVM）和K最近鄰（KNN）算法，彌補(bǔ)了KNN算法在大量數(shù)據(jù)樣本下不能迅速識(shí)別相似模式的缺陷，提高了算法的預(yù)測(cè)效率。SVMKNN算法主要是基于現(xiàn)有特征直接搜索與當(dāng)前狀態(tài)最為相似的歷史狀態(tài)，不受參數(shù)的影響，可適應(yīng)多變的環(huán)境，提高了預(yù)測(cè)的可靠性。根據(jù)實(shí)際客流數(shù)據(jù)對(duì)SVMKNN預(yù)測(cè)算法進(jìn)行驗(yàn)證，并分別基于時(shí)間序列模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)客流，其中基于時(shí)間序列模型可分為未考慮降雨因素模型和考慮降雨因素模