Dh-SVM：基于SVM和動態(tài)混合算法的公交車輛路段運動時間估計與預測方法的研究.pdf

1、隨著城市進程化的加快，人們生活水平大幅度提升，機動車尤其是私家車的擁有量和道路的交通量都急劇增加，隨之而來的城市交通擁擠、交通事故、能源短缺和環(huán)境污染等諸多問題也日益突出。交通問題已經成為嚴重阻礙城市發(fā)展的因素之一。
　　優(yōu)先發(fā)展智能公交系統(tǒng)，鼓勵廣大市民乘坐公共交通出行，這是解決城市交通擁堵問題的重要途徑之一。隨著智能交通系統(tǒng)的出現，如何實現公共交通系統(tǒng)的信息化、智能化顯得尤為重要。實現智能公交系統(tǒng)的關鍵技術就是公交車到站時間預

2、測，對公交車到站時間的預測研究，是提高城市公交系統(tǒng)運營效率和發(fā)展智能公共交通系統(tǒng)的重要研究方向。
　　本文首先對國內外現有的行程時間預測技術研究現狀進行分析和對比，分別指出各個模型的優(yōu)缺點。然而隨著數據采集技術的成熟和對時間預測精度要求的提高，上述模型在時間預測方法和精度上依然存在不足。本文基于GPS車輛定位系統(tǒng)數據采集方法，對公交車采集的原始數據進行預處理和分析，獲得公交車歷史行程時間?；诠粚崟r運行數據與歷史數據相結合的方法

3、，充分考慮多種隨機因素的影響，提出了一種基于支持向量機(SVM)與實時預測相結合的混合型公交運行時間預測模型。在該模型中，SVM基于歷史數據，輸入特性選擇時間段、節(jié)假日、天氣、路段長度和速度5個變量，預測各路段車輛運行時間的基準時間。由于基于支持向量機預測模型完全基于公交運行歷史數據，由于公交車運行存在實時性和受動態(tài)隨機狀況影響等特點，為了反映當前時刻公交車運行的特性，提出一種動態(tài)混合型公交到站時間預測模型，該模型結合支持向量機靜態(tài)輸出