降雨天氣條件下短時公交客流預(yù)測研究.pdf

1、國內(nèi)圖書分類號：U491.1學(xué)校代碼：10213國際圖書分類號：656密級：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公交客流預(yù)測研究碩士研究生：劉欣彤導(dǎo)師：謝秉磊教授申請學(xué)位：工學(xué)碩士學(xué)科：交通運輸工程所在單位：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摘要短時公交客流預(yù)測是實現(xiàn)實時公交調(diào)度優(yōu)化的基礎(chǔ)。只有準(zhǔn)確的掌握客流短時變化，調(diào)度人員才能合理配置公交資源，保證供需平

2、衡，實現(xiàn)企業(yè)運營效益最大化。但短時公交客流容易受隨機(jī)因素影響，有較強的時變性和隨機(jī)性，不易準(zhǔn)確預(yù)測。而目前的短時公交客流預(yù)測研究多是單純依據(jù)歷史客流的變化規(guī)律，沒有考慮天氣等隨機(jī)因素的影響，使得客流預(yù)測精度不高。并且國內(nèi)關(guān)于降雨天氣等不利天氣對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公交客流的影響，并建立降雨天氣條件下短時公交客流預(yù)測模型，旨在提高公交客流的準(zhǔn)確性和可靠性。對公交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)計公交線路客流，并分析客流的時間變化規(guī)律；對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、不同時段、不同線路三個方面分析降雨天氣對公交客流量的影響程度，得出降雨天氣對公交客流的影響規(guī)律。在分析降雨天氣對公交客流的影響特性的基礎(chǔ)上，提出了基于識別相似模式的短時公交客流預(yù)測模型，應(yīng)用SVMKNN算法識別相似模式，預(yù)測

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，彌補了KNN算法在大量數(shù)據(jù)樣本下不能迅速識別相似模式的缺陷，提高了算法的預(yù)測效率。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)測的可靠性。根據(jù)實際客流數(shù)據(jù)對SVMKNN預(yù)測算法進(jìn)行驗證，并分別基于時間序列模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測客流，其中基于時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