1、2015 届交通运输专业毕业论文I重庆 601 路公交车到站时间预测方法研究摘 要：随着中国城市化进程的快速发展，城市交通问题日益严重，发展城市公共交通是解决现代交通问题的唯一途径。在众多的城市公共交通方式中，常规的公共汽车仍是各个城市客运的核心力量。因此，必须从普通出行者的角度出发，考虑他们的实际需求，才能更有针对性地提高运输服务质量。美国曾针对乘客所关心的公交信息种类类进行问卷调查，调查结果显示：公交车辆到站时间为出行者最为关心的信息之一1。所以公交车到站时间的准确发布，具有十分重要的意义。本文从大量的先进文献中，总结了现有的各种公交车到站时间预测方法的特点。结合实际的跟车调查分析影响公交
2、车到站时间的各个因素，其中主要有驾驶员、车辆、道路、环境和突发因素这几个，对可数值化分析的因素进行了筛选。建立起基于历史数据的实时修正公交车到站时间预测模型，并利用重庆市的 601 路公交车的历史 GPS 数据对模型进行了实例验证。最后，分析了误差范围，证明得出基于历史数据的实时公交车到站时间预测模型具有模型简单易懂、所需数据量小、预测灵活等明显的优势。关键词：公交车到站时间；预测；历史数据；GPS 重庆 601 路公交车到站时间预测方法研究IIStudy on The Prediction Method for Arrival Time of the 601 Bus in Chongqing
3、Abstract：With the rapid development of urbanization in China, the problem of urban transportation is becoming serious, and developing urban public transport is the only way to resolve modern transportation problem . Among the numerous public transport modes, the conventional bus is the core strength
4、 of the urban passenger transport. Therefore, must be from the perspective of an ordinary traveler, considering their actual needs, can be more targeted to improve the quality of transport services. The United States has conducted a questionnaire survey which is about the bus kind of information tha
5、t passengers concern, the survey results show that: the arrival time of the bus station is one of the most concerned information. So accurate bus arrival time of publication has very important significance.Firstly, this paper summarizes the characteristics of various existing methods to predict bus
6、arrival time from large number of frontier literature.Combined with the actual bus following investigation and analysis of various factors affecting bus arrival time, which is the main driver, vehicle, road, environment and sudden factors, the numerical analysis of the factors were screened. The rea
7、l-time correction bus arrival time model based on historical data is established, and the model is verified by the historical GPS data of 601 bus of Chongqing city. Finally, the error range is analyzed,and the obvious advantages of real-time bus arrival time prediction model based on historical date
8、 is proved,such as simple model,small data,flexible forecast,etc. Keywords：Bus arrival time; Forecast ; Historical data ;GPS 2015 届交通运输专业毕业论文III目 录中文摘要 .IABSTRACT .II1 绪论 .11.1 研究背景 .11.2 研究目的及意义 .11.3 国内外研究现状 .21.3.1 国外研究现状 .21.3.2 国内研究现状 .31.4 本文研究方法和研究内容 .41.5 本章小结 .52 到站时间影响分析与数据采集 .62.1 公交车到站时间
9、影响因素分析 .62.1.1 路段运行时间影响因素分析 .72.1.2 站点滞留影响因素分析 .72.2 影响公交车到站主要因素筛选 .82.3 数据采集 .92.3.1 数据采集设备车载 GPS .92.3.2 GPS 数据的传输 .102.3.3 GPS 在交通领域的应用 .102.4 本章小结 .113 到站时间预测模型 .123 1 到站时间预测模型原始模型 .123.1.1 移动平均法 .123.1.2 指数平滑法 .13重庆 601 路公交车到站时间预测方法研究IV3.1.3 回归分析法 .143.2 公交车到站时间预测模型的建立 .183.2.1 站点运行时间预测 .193.2.
10、2 站点滞留时间预测 .203.3 综合预测模型 .213.4 公交车到站时间预测流程 .213.5 本章小结 .224 实例计算 .234.1 数据的预处理 .234.1.1 缺失数据的处理 .234.1.2 错误数据的排查与更正 .254.2 数据的粗分析 .264.3 计算过程 .294.3.1 站点运行时间的计算 .294.3.2 站点滞留时间的预测计算 .384.3.3 实时预测过程分析 .454.4 预测结果与误差分析 .474.4.1 站点运行时间误差分析 .474.4.2 站点滞留时间误差分析 .484.5 本章小结 .505 结论与展望 .51致谢 .52参考文献 .53附录
11、 部分 GPS 原始数据 .55易雪玲：重庆 601 路公交车到站时间预测方法研究11 绪论1.1 研究背景在中国的各大城市中， “拥堵、事故、污染 ”的交通现状已经成为制约城市经济发展的首要问题。想要改变各大城市的这一现状，实现城市未来的可持续发展，就必须从改善人们的出行方式抓起，切切实实大力发展城市公共交通，改善公共交通的服务质量，让更多的人能够从公共交通的出行当中获取满意的服务。常规的城市公共汽车是一种极其常见的公共交通工具，它能在一定程度上满足多种出行目的乘客的需要，它以其低廉的运价、庞大的车辆数目、较低的建设成本，成为了城市客运的“领头羊”。尽管如此，我国的公共汽车客运的发展仍然任重
12、道远。就目前而言，相当部分的城市公共汽车的智能化程度较低，依然采用传统的作业方式来进行运营管理，不能紧跟信息化的潮流 3。这就需要建立起更加准确和完善的时间预测方法体系，以便满足城市不断提高的公交出行需求。1.2 研究目的及意义随着智能交通系统（ITS）的快速发展，交通管理者面临了新的挑战和要求，那就是需要建立起高效、快捷、全面的信息化公交系统。要达到整个城市公交系统服务质量有所上升的目的，就必须利用好智能公交车系统，就必须能够适时地预测公交车到站时间。这是因为公交车到站时间的准确程度在提高城市运输服务效率方面有着不可估量的作用，它涉及乘客最切身的时间利益，对出行的及时性提出了更高的要求；同时
13、，它又是公交公司自身对外宣传形象的良好名片，并且可以作为高效调度的参考2。此外，公交公司为乘客提供准确的到达时间可以提高公交系统的整体运营效率、增强公交运输的竞争力，促进公共交通事业的持续发展，缓解城市交通的压力。基于这样的背景，本文通过查阅大量的国内外相关文献，系统地分析了国内外关于公交车到站时间预测的优秀理论，对现有的公交车到站时间预测方法的优劣性和适用性有了一定的掌握。结合车载 GPS 装置采集得到的数据，并深入公交车的每一个站点调查，掌握公交到站时间的相关规律，分析影响到站时间的影响因素 。建立起基于历史数据的实时修正公交车到站时间预测模型。重庆 601 路公交车到站时间预测方法研究2
14、在实例计算部分，选取了重庆市 601 路公交车在 2013 年 12 月 24 日采集到的GPS 数据作为原始数据带入模型，通过对预测误差的分析，来对基于历史数据的实时修正公交车到站时间预测模型进行评价。全文主要是通过对历史的 GPS 数据分析，来得到公交车到站时间在时间上和空间上的运行规律。通过对公交车影响因素的分析和筛选，为后期建立历史数据到站时间预测模型建立提供必要的数据支撑，同时，对于实际数据的代入计算和误差分析，也在一定程度上验证了基于历史数据的预测方法的简单易算、适合较小的数据量的优点。1.3 国内外研究现状1.3.1 国外研究现状公交车到站时间的预测对于整个城市交通系统的作用和意
15、义是不言而喻的，国内外的交通工程方面的专家和学者都对此作了大量的研究，国外的公交车到站时间预测技术，无论是在理论上还是在应用上，都比国内的成熟很多。就国外而言，发达国家很多城市已经将可以预测到站时间的电子站牌普遍应用推广，但是采用的公交车到站时间预测方法却不尽相同。其中，举以下案例加以说明：澳大利亚的城市悉尼市最早采用公交车到站时间预测是在其到机场的快速路上，由于在这样的快速路上，其他的车辆和环境的不可控因素较少，所以其建立的模型也较为简单，是一种修正过的线性化的预测方法，其原始数据的来源是网络旅行时间系统（ ） 3。， 公交车到站时间的预测在应用在伦敦的应用情况并不是像机场高速那么简单，而是
16、将其应用于普通的城市干道，这样的话其算法也不能利用简单的线性化的预测方法，一位来自荷兰的 和英国的 巧妙地运用 .，使得预测精度有了明显的上升 4。动态 卡 尔 曼 滤 波代替 传统 静 态 均 值 算法和 采用的是 的方法和原理，利用自动汽车定位技术 来 卡 尔 曼 滤 波 大致估计车辆的到站时刻。这样的做法存在着很大的误差，这是因为在这个过程中并没有考虑公交车辆由于上下乘客所带来的站点滞留时间 5。后来的学者的研究成果总是在不断总结前面成果的不足中发现的，前面利用自动汽车定位技术由于没有考虑因为乘客上下车所带来的公交车延误时间，预测结果显得较为粗糙， 、 采用了 ，对车辆的运行时间和站点滞
17、卡 尔 曼 滤 波的原理留时间分别进行了估计，并利用实际采集到的信息，对该模型进行了评估 6。2015 届交通运输专业毕业论文3从另外的角度出发，并没有考虑将到站时间预测应用于快速路或者普通干道，他将眼光放在了大城市里主要商务活动进行的 地区，这样的情况下，公交车辆所受的外界干扰信息会更多，也更加影响公交车辆的可达性。因此，在建模时，考虑的额外因素会更多，主要考虑的有：交叉口当中各个方向流量的比例、转盘数目、混合车流比例等，预测的模型是建立在 Ebers 算法之上的 7。的研究跟 考虑方面很类似，同样考虑影响车辆到站时间的众多因 素，但是由于应用的目的地是不同的， 考虑的因素包括了：道路的距离
18、、交通流三参数、路途中的 次数、站点数量等，结合这些因素建立起了转 弯8。非 线 性的回 归 模型Patnaik 等专家考虑到历史的运行数据肯定对当前的运行状态产生或多或少的影响，所以，在建立模型时，将历史的站点运行时间作为影响因子来考虑，再结合当前运行路况上具体的信息建立起回归模型 9。、 这两位专家通过自动车辆定位技术和电力转换公司得 到的数据进行试验，对加拿大多伦多市的公交到站时间运用 VISSIM 软件进行了仿真模拟，并且得到了意想不到的结论 10。此外，公交车到站时间预测技术在亚洲的日韩也取得了一定的研究成果。在韩国，专家 Taehyung Park 和他的团队运用的是相对智能化的学
19、习方法人工神经网络法来对公交车到达时间进行建模分析，并且每隔一个星期对实际值和估计值进行模型校对，以此提高预测精度 11。日本研究人员的方式更显先进，因为他们利用的是Automatic vehicle identification system（车辆自动识别系统）来记录当前的交通状况，并通过查找历史的数据库中与当前的交通状况最相似的信息来当作当前的车辆运行时间 12。1.3.2 国内研究现状就目前国内而言，公交车到站时间还基本处于理论研究阶段，将公交车到站时间预测应用于电子站牌的城市少之又少，一些城市的部分线路的公交车电子站牌只是发布到站的距离和站点数，并没有发布到站的具体时间。吉利大学的杨教
20、授课题组：包括了朱中、初连羽等人，利用较多的公交站点影响因素作为模型的输入量，通过 的模型，做了预测软件进行实时的交通信息预模糊回 归测站点运行时间，因为具有实时性，所以预测精度明显。此外，杨教授等还将快速道的诱导装置转移到公交汽车上面来 13。等利用 GPS 等先进设备，将采集到的历史数据作为支撑，综合联想周雪梅、王磊重庆 601 路公交车到站时间预测方法研究4到干扰到站时间预测的多个因子，最终建立起以不同站点为单元的到站时间影响系统，并利用某市的历史数据进行了实例研究 14。总的来说，国内目前的到站时间预测分为两个大的方向：一个方向是通过软件或者先进到达交通实况采集设备，运用一定的机器学习
21、方法来实时预测公交车辆到站时间；另外一个方向则是以历史数据为源，考虑当前路段与历史运行路段的关系，来建立起相关模型。现有的研究成果从不同的角度建立了公交车到站时间预测模型，通过综合地对比，不难发现各种模型各有其优缺点，其适用范围也不尽一致，现将各种模型的优缺点，适用性概括如下：1、基于历史数据的模型是这些模型当中最为简单的一种，并且计算速度也是最快的，但是该种方法是基于历史数据的，实时性相对较差，适合郊区公路或者非高峰时期的时间预测；2、回归预测模型也是相对较为简单的一种，它综合考虑影响公交车到站的各个因素，通过将各个影响因素数值化，预测站点运行时间和站点滞留时间，该方法具有很强的适用性，也相
22、对于较简单；3、神经网络模型是一种模仿人的神经元的机器学习模型，它能够处理非常复杂的非线性函数关系，通过大量的输入数据，来寻找这些数据之间的依赖关系，这是一种相对复杂的方法，因此在它预测精度较高的背后也是它的局限性，在使用神经网络模型时，常常难以确定神经节点，并且系统容易造成过学习和欠学习的状态；4、卡尔曼滤波模型是一种基于递推算法的模型，所以它的实时性是很好的，也适合处理高维问题和非平衡过程，但是在预测较长路径时，采用多步预测的精度会下降明显，所以适合的是多路径的时间预测；5、支持向量机是一种具有很强的学习能力的学习机，它也同样适合复杂的线性关系，但是由于在整个过程当中，需要很大规模的数据，
23、在实际应用中很难满足，由于其本身的模型结构太过复杂，很难准确确定核函数，并且计算相当耗时，使得该方法难以大规模推广；6、基于概率的预测模型，相较于回归模型而言，它更加充分地考虑到了在车辆运行途中的不确定因素，但是该模型同样需要大量的数据支撑，并且整个模型的可移植性较差，因此只是适合不确定性因素影响下的时间预测。2015 届交通运输专业毕业论文51.4 本文研究方法和研究内容在对国内外公交车到站时间预测方法地充分理解上，本文系统而全面地总结了目前国内外常用的各类预测方法的优缺点、适用性，以及各种模型对原始数据的要求。结合实际的公交车跟车调查的分析，总结得出影响公交车到站时间的因素，除了常见的人、
24、车、路的影响外，还包括在时间上是否处于高峰期、是否处于周末节假日，以及季节性、天气等因素的影响。通过对这些因素的综合整理，建立起基于历史数据的实时修正公交车到站时间预测模型。最后本文以现有的重庆公交 601 路公交车在 2013年 12 月 24 日上午 6:00:408:50:23 每隔 10 秒发送回来的 25 组公交车 GPS 数据为研究原始数据，利用 SPSS 和 EXCEL 软件进行原始数据的分析，分析公交车到站时间的统计学规律，得出公交车在时间上的准确程度。获取来的历史 GPS 数据证明了基于历史数据的实时公交车到站时间预测模型的可行性和有效性，并分析了误差程度。全文的内容结构图如
25、图 1.1 所示。重庆 601 路公交车到站时间预测方法研究图 1.1 文章内容框架图1.5 本章小结本章是全文的绪论部分，首先阐明本研究课题是在解决城市公交拥堵，大力推行公交优先的背景上提出来的。当下又是智能交通发展好时机，因此大力推行智能公交有着举足轻重的意义。公交车到站时间作为乘客最为关心的信息，在提高公交车服务质量，增加公交车的吸引力等方面有着必不可少的意义。将智能公交的技术引入公交车到站时间的预测当中是一件自然的事情，因此，本文目标便是通过运用先进的智能公交手段GPS 定位技术，实时获取公交车到站的原始数据，为公交管理者进言献预 测 模型 建 立国 内 外 现 状概 要数 据 预处 理 与分 析实 例 验证影 响 因素 分 析重庆 601 路公交车到站时间预测方法研究6策。
