公交站點短時客流預(yù)測模型的研究.pdf

1、由于機動車數(shù)目不斷增加，道路交通擁堵的問題日益嚴(yán)重。為了有效地解決道路擁堵問題，各個國家都采用優(yōu)先發(fā)展公共交通戰(zhàn)略，并且大力建設(shè)智能公交系統(tǒng)。調(diào)度管理是該系統(tǒng)的重要組成部分，而客流預(yù)測則是實現(xiàn)動態(tài)調(diào)度的基礎(chǔ)。公交站點短時客流預(yù)測能夠達到獲得更精準(zhǔn)的線路網(wǎng)客流預(yù)測信息目的，因此構(gòu)建合適的公交站點短時客流預(yù)測模型以及提高模型的預(yù)測精度，就成為本文研究內(nèi)容的關(guān)鍵。
　　本文首先研究公交站點短時客流預(yù)測相關(guān)的模型，對不同的模型進行對比分析

2、，總結(jié)各個模型的優(yōu)缺點和適用范圍，為本文的研究奠定理論基礎(chǔ);分析不同類型的公交站點短時客流數(shù)據(jù)的時間、空間分布特性，并且分析驗證公交站點短時客流的時間相關(guān)性、空間相關(guān)性，證明可以針對不同天建立統(tǒng)一的預(yù)測模型，以及為構(gòu)建模型輸入層數(shù)據(jù)的選取提供依據(jù)。其次，本文重點研究如何構(gòu)建基于改進的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型對公交站點短時客流進行預(yù)測。通過對客流數(shù)據(jù)的分析研究，選擇了具有相關(guān)性的數(shù)據(jù)作為輸入數(shù)據(jù)，有效地降低了輸入數(shù)據(jù)的維數(shù)。同時，將輸入數(shù)據(jù)

3、進行分類，針對不同類型的數(shù)據(jù)分別建立RBF神經(jīng)網(wǎng)絡(luò)模型，提取每類數(shù)據(jù)的特征，并將每種模型的輸出值在整合層加權(quán)求和，得到最終預(yù)測結(jié)果，并且引入較優(yōu)的學(xué)習(xí)算法，最終提高預(yù)測精度。最后，利用大連市部分公交站點的實際客流數(shù)據(jù)驗證本文構(gòu)建的模型的有效性，并且與基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型以及基于未改進的RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行實驗結(jié)果對比，證明本文構(gòu)建的模型的高效性。在以上基礎(chǔ)上，研究實現(xiàn)基于B/S架構(gòu)短時客流預(yù)測原型系統(tǒng)，證明本文研究內(nèi)容的實用