基于有限狀態(tài)自動(dòng)機(jī)的公交車到站時(shí)間預(yù)測(cè)模型.pdf

1、對(duì)選擇公共交通方式的出行者來(lái)說(shuō),公交車到站時(shí)間可稱為居民出行最為關(guān)心的公共交通信息,對(duì)公交到站時(shí)間預(yù)測(cè)的研究也受到了越來(lái)越多的學(xué)者的關(guān)注。本文立足于分析影響公交車到站時(shí)間的影響因素分析,設(shè)計(jì)到站時(shí)間預(yù)測(cè)模型,提高公交車輛到站時(shí)間預(yù)測(cè)工作的精度和可靠性,不僅能夠提高公共交通對(duì)居民出行的分擔(dān),而且對(duì)城市的公共交通服務(wù)體系的向前發(fā)展也在一定程度上起了推動(dòng)的作用。
　　論文首先從公交車的路段行駛時(shí)間、停靠站延誤時(shí)間和交通狀態(tài)三個(gè)方面,分析

2、了影響公交車輛到站時(shí)間的影響因素以及各影響因素的量化方法。
　　其次,通過(guò)劃分公交車輛的運(yùn)行狀態(tài),確定公交車輛運(yùn)行狀態(tài)的轉(zhuǎn)移函數(shù)和狀態(tài)轉(zhuǎn)移條件的識(shí)別方法,建立公交車輛運(yùn)行狀態(tài)的有限狀態(tài)自動(dòng)機(jī)模型。
　　將公交車輛預(yù)測(cè)狀態(tài)細(xì)分為三個(gè)時(shí)段,對(duì)哈爾濱市63路公交車的車載GPS終端獲取的公交車輛到站時(shí)間的歷史數(shù)據(jù)進(jìn)行預(yù)處理,分別采用 Kalman濾波、BP人工神經(jīng)網(wǎng)絡(luò)以及ARIMA時(shí)間序列,對(duì)高峰、平峰和低峰時(shí)段63路公交車從建工新

3、區(qū)出發(fā)到哈爾濱鐵路局站的行程時(shí)間進(jìn)行預(yù)測(cè),根據(jù)三種模型的預(yù)測(cè)誤差,確定每個(gè)時(shí)段最適合的到站時(shí)間預(yù)測(cè)模型,最終,得到基于有限狀態(tài)自動(dòng)機(jī)的公交車到站時(shí)間預(yù)測(cè)模型。
　　最后,利用哈爾濱市63路公交車的車載GPS終端獲取的公交車輛到站時(shí)間的歷史數(shù)據(jù),對(duì)比基于有限狀態(tài)自動(dòng)機(jī)的預(yù)測(cè)模型、卡爾曼濾波預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的絕對(duì)平均百分誤差(MAPE),結(jié)果表明,基于有限狀態(tài)自動(dòng)機(jī)的公交車輛到站時(shí)間預(yù)測(cè)模型相比Kalman率波預(yù)測(cè)模型和