公交短期客流預(yù)測與單程運(yùn)營時間分析.pdf

1、本文研宄的公交短期客流和公交單程運(yùn)營時間是公交運(yùn)營調(diào)度的重要參數(shù)，同時也是公交運(yùn)營分析中的重要指標(biāo)。研宄公交短期客流和公交單程運(yùn)營時間可以獲取與公交運(yùn)營相關(guān)的主要數(shù)據(jù)并分析相關(guān)特性，可以為更進(jìn)一步的方案的編制提供基礎(chǔ)，使得編制方案的可執(zhí)行率更高。本文擬從公交短期客流預(yù)測和公交單程運(yùn)營時間分析的角度出發(fā)分別研宄公交短期客流和公交單程運(yùn)營時間相關(guān)規(guī)律。
　　為了準(zhǔn)確地預(yù)測公交短期客流，本文采用了卜支持向量回歸機(jī)來預(yù)測公交客流量(包括站

2、點(diǎn)上客和下客人數(shù))。首先，根據(jù)公交客流的周期性、趨勢性和隨機(jī)性合理地設(shè)置了支持向量機(jī)的輸入輸出樣本集。然后，構(gòu)造決策函數(shù)并基于改進(jìn)的粒子群算法，優(yōu)化了影響支持向量機(jī)預(yù)測精度的三個參數(shù)：誤差帶參數(shù)ε懲罰因子C以及核函數(shù)參數(shù)σ的取值。最后利用長春市公交6路的已知客流樣本作為測試集進(jìn)行驗證具有較好的精度，結(jié)果表明該模型是可行的。
　　為了更準(zhǔn)確地分析公交單程運(yùn)營時間，本文采用了基于GPS數(shù)據(jù)的分時段公交運(yùn)營時間概率分布分析方法。首先對單

3、程運(yùn)營GPS數(shù)據(jù)做了較為細(xì)致分析，包括公交站點(diǎn)匹配算法和異常數(shù)據(jù)的分類和處理。由于各時段的運(yùn)營時間差異較大，分時段加以分析才能準(zhǔn)確掌握運(yùn)營時間規(guī)律。因此，本文基于大量預(yù)處理后的GPS數(shù)據(jù)，創(chuàng)新性地將心means聚類算法應(yīng)用于運(yùn)營時段劃分，并結(jié)合公交樣本數(shù)據(jù)特點(diǎn)，設(shè)計了一種改進(jìn)的K-means聚類算法，其中改進(jìn)了傳統(tǒng)的初始簇中心選擇方法，并設(shè)計了利用三角形不等式減少不必要的距離計算和基于模糊聚類思想的簇中心更新算法。十堰公交4路的案例分析