基于RFID电子车牌数据的公交行程时间预测方法

作     者：李华民 吴俊美 孙棣华 陈栋 赵敏 LI Hua-min;WU Jun-mei;SUN Di-hua;CHEN Dong;ZHAO Min

作者机构：重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 重庆大学自动化学院重庆400044 

出 版 物：《中国公路学报》 (China Journal of Highway and Transport)

年 卷 期：2019年第32卷第8期

页      面：165-173,182页

核心收录：

学科分类：1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0838[工学-公安技术] 0813[工学-建筑学] 0802[工学-机械工程] 0814[工学-土木工程] 0801[工学-力学（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：重庆市应用开发计划重点项目(cstc2014yykfB30003) 中国博士后科学基金项目(2014T70852) 重庆市博士后科研项目(XM 201305) 

主　　题：交通工程 公交行程时间 渐消卡尔曼滤波 小波神经网络 动态预测 智能交通 

摘      要：为了给公交优先信号配时系统提供足够的 思考 时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明:组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。