降雨天氣條件下短時公交客流預測研究.pdf

1、國內圖書分類號：U491.1學校代碼：10213國際圖書分類號：656密級：公開工學碩士學位論文工學碩士學位論文降雨天氣條件下短時公交客流預測研究碩士研究生：劉欣彤導師：謝秉磊教授申請學位：工學碩士學科：交通運輸工程所在單位：深圳研究生院答辯日期：2016年6月授予學位單位：哈爾濱工業(yè)大學哈爾濱工業(yè)大學工學碩士學位論文I摘要短時公交客流預測是實現實時公交調度優(yōu)化的基礎。只有準確的掌握客流短時變化，調度人員才能合理配置公交資源，保證供需平

2、衡，實現企業(yè)運營效益最大化。但短時公交客流容易受隨機因素影響，有較強的時變性和隨機性，不易準確預測。而目前的短時公交客流預測研究多是單純依據歷史客流的變化規(guī)律，沒有考慮天氣等隨機因素的影響，使得客流預測精度不高。并且國內關于降雨天氣等不利天氣對公交客流影響的研究近乎空白，故本文充分挖掘公交IC卡信息和天氣數據，分析降雨天氣條件對公交客流的影響，并建立降雨天氣條件下短時公交客流預測模型，旨在提高公交客流的準確性和可靠性。對公交IC卡數據和

3、降雨數據進行預處理，充分挖掘利用公交IC卡信息，提取公交IC卡信息統(tǒng)計公交線路客流，并分析客流的時間變化規(guī)律；對公交客流的影響因素進行系統(tǒng)分析，并消除其他因素影響重點分析降雨天氣因素與公交客流的相關性，從不同日類型、不同時段、不同線路三個方面分析降雨天氣對公交客流量的影響程度，得出降雨天氣對公交客流的影響規(guī)律。在分析降雨天氣對公交客流的影響特性的基礎上，提出了基于識別相似模式的短時公交客流預測模型，應用SVMKNN算法識別相似模式，預測

4、公交客流。SVMKNN算法結合了支持向量機（SVM）和K最近鄰（KNN）算法，彌補了KNN算法在大量數據樣本下不能迅速識別相似模式的缺陷，提高了算法的預測效率。SVMKNN算法主要是基于現有特征直接搜索與當前狀態(tài)最為相似的歷史狀態(tài)，不受參數的影響，可適應多變的環(huán)境，提高了預測的可靠性。根據實際客流數據對SVMKNN預測算法進行驗證，并分別基于時間序列模型和神經網絡模型預測客流，其中基于時間序列模型可分為未考慮降雨因素模型和考慮降雨因素模