论文部分内容阅读
公交停靠站是供公交车辆停靠以服务乘客上下车和换乘的场所。公交停靠站点和站点间路段组成公交运营线路,整个公交线路的运行时间一般由公交车辆站点停靠时间、路段行驶时间、交叉口延误时间组成。因此,准确预测公交车辆在站点的停靠时间是预测公交运行时间、实施公交优先信号控制、构建智能公交系统的关键环节。通过对公交停靠站时间的准确预测,可以提高公交运行时间预测的精度,提高站点处信息服务的准确性和可靠性,保障智能化公交调度系统的良好运营,从而提高乘客对公交服务水平的满意度,增加公交出行方式的吸引率。本文将公交进站停靠过程分为减速进站、停靠服务和加速出站三个阶段,分析了公交车辆在进站停靠过程中的时间构成及其影响因素。应用GPS技术采集公交车辆运行和停靠信息,针对GPS原始数据存在的缺陷,提出了数据预处理的方法,得到公交车辆的进出站数据,进而提出公交车辆站点停靠时间的获取算法并对其进行了检验。通过实例分析可知,基于GPS数据获取的公交车辆站点停靠时间与实际值误差在允许误差范围内,可以作为公交车辆站点停靠时间预测方法的数据来源。根据基于GPS数据获取的的公交车辆站点停靠时间,分析了公交车辆在站点停靠时间的总体分布特征并给出了分布拟合函数;通过对其时段特性、周期性、空间特性及其影响因素的相关性的详细分析,选取公交车辆历史停靠时间与实时数据作为公交车辆在站点停靠时间预测模型的输入变量。最后,分别建立了基于BP神经网络和基于GA-BP神经网络的公交车辆站点停靠时间预测模型,分析了模型的关键结构、学习过程及其预测效果评价方法,以实际公交车辆站点停靠时间为依据,应用MATLAB软件对本文所构建的公交车辆站点停靠时间预测模型进行了仿真验证。仿真结果表明,相较于传统BP神经网络,应用遗传算法优化的BP神经网络算法具有较高的预测精度,较强的稳定性和可靠性,能够更准确的预测公交车辆在站点的停靠时间。