检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的公交行程时间预测

基于深度神经网络的公交行程时间预测

作者：徐丸絮华中科技大学

学位级别：硕士

近年来,先进智能交通系统的重要性日益凸显。实时的公交行程时间可为智能交通系统的建设提供帮助,国内外学者针对公交行程时间预测问题的研究也逐渐深入。目前常用的预测方法包括传统的预测方法和基于浅层机器学习类方法,如基于卡尔曼... 详细信息

近年来,先进智能交通系统的重要性日益凸显。实时的公交行程时间可为智能交通系统的建设提供帮助,国内外学者针对公交行程时间预测问题的研究也逐渐深入。目前常用的预测方法包括传统的预测方法和基于浅层机器学习类方法,如基于卡尔曼滤波器的预测模型和基于支持向量机的预测模型等。然而,上述方法分别存在着考虑因素不够全面、泛化效果不够高、模型速率较低、无法应对大数据场景等问题。在如今数据量级爆炸的背景下,面对日益复杂的公交行程时间问题,上述方法存在一定优化空间,因此有必要对其展开更深入的研究。针对公交行程时间预测问题,本文首先获取了研究所需的公交GPS定位数据与天气源数据,并对其进行预处理得到可用数据,再结合影响公交行程时间的不确定因素分类定性与相关性系数定量分析,利用可视化的方式筛选并构造了特征集作为模型的输入数据;其次,设计了基于长短期记忆网络(LSTM)-注意力机制(Attention机制)的预测模型,利用LSTM对历史信息进行挖掘,结合Attention机制学习信息的重要性,同时对模型的训练算法进行了优化;接着,分别从增加双向信息优化了上述模型,设计了基于双向LSTM(BiLSTM)-双重Attention机制的预测模型,并介绍了模型的具体优化思路与结构;最后,从增加模型长序列理解能力的角度设计了基于时间卷积网络(TCN)-时间模式注意力机制(TPA)的预测模型,进一步优化上述模型,也是TCN与TPA方法在公交行程时间预测问题上的首次应用。最后额外构造了 6种常用的预测模型,分别是基于前馈神经网络(BPNN)、梯度提升决策回归树(GBRT)、轻量型梯度提升决策回归树(LightGMB)、循环神经网络(RNN)、门控循环单元(GRU)与单一的LSTM的预测模型,并在某市的真实数据上进行实验,实验结果表明构造的三种模型预测效果均优于常用的其他6种方法,大大提高了模型的预测精度,验证了本研究的可靠性。

关键词：公交行程时间预测深度学习长短期记忆网络双向长短期记忆网络注意力机制时间卷积网络

基于Attention⁃LSTM神经网络的公交行程时间预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代电子技术 2022年第3期45卷 83-87页

作者：徐丸絮沈吟东华中科技大学人工智能与自动化学院湖北武汉430074

传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想。针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化。首先,综合考虑多种影响因素,设计了多变量LSTM... 详细信息

传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想。针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化。首先,综合考虑多种影响因素,设计了多变量LSTM模块,将当前时刻的行程时间与历史时刻数据相关联,对其中的多维度特征进行信息提取;随后针对单一LSTM网络无法自动识别不同信息重要性的局限性,引入Attention机制,使模型聚焦重点信息、忽略冗杂信息;最后,采用实际公交GPS数据验证了该方法的有效性。实验结果表明,与五种常见方法相比,该模型具有更高的精度。

关键词：智能交通公交行程时间预测 LSTM神经网络 Attention机制公交GPS数据深度学习循环神经网络

基于多源数据的公交行程时间及服务时间预测研究

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多源数据的公交行程时间及服务时间预测研究

作者：黄洪滔长安大学

学位级别：硕士

随着城市化的快速推进,交通拥堵等问题日益严重。公共交通出行被认为是解决交通拥堵问题的有效方式,却存在着吸引力不足等问题,其中公交运行稳定性是影响公交吸引力的重要因素之一。智能化公交数据的采集可以提供实时公交信息,这有助于... 详细信息

随着城市化的快速推进,交通拥堵等问题日益严重。公共交通出行被认为是解决交通拥堵问题的有效方式,却存在着吸引力不足等问题,其中公交运行稳定性是影响公交吸引力的重要因素之一。智能化公交数据的采集可以提供实时公交信息,这有助于提高公交系统的可靠性。在此背景下,论文基于公交GPS数据和IC卡数据,对公交行程时间和公交服务时间进行特征分析、影响因素挖掘以及预测模型构建,从而为公交到站时间的预测和信息发布提供理论依据和数据基础。论文以公交车辆为研究对象,开展了以下研究:(1)根据数据误差产生的原因对数据进行清洗,并使用距离阈值对GPS数据进行站点匹配,接着根据速度、时间和里程设计公交站点服务时间计算方法,提取站间行程时间和低速行驶率等信息,最后对清洗后的IC卡数据进行预处理,确定站点客流量等信息。(2)通过分析公交全天运行规律,确定不同班次公交运行时间的变化特征。对公交站间行程时间和站点服务时间数据的分布特征进行研究,得出公交站间行程时间和站点服务时间均服从对数正态分布的结论。在此基础上使用相关系数分析它们的时空相关性,确定与当前班次公交行程时间和服务时间存在相关性的变量。并构造行程时间不稳定性系数,确定行程时间稳定与不稳定的临界值为0.2。(3)从道路、交通和环境等方面初选影响公交行程时间的动态和静态因素,通过建立广义线性混合模型确定6个显著影响因素:区段距离、人行道数量、公交专用道、前一班次公交低速行驶率、工作日和时段,进而构建WOA-ELM公交行程时间预测模型,工作日和非工作日时预测模型的MAPE分别为6.50%和6.07%,MSE分别为122.54和149.73,与GWO-ELM和PSO-ELM模型相比预测精度最高。(4)从站台、道路、环境、交通等方面初选解释变量,经过相关性检验后确定14个解释变量,并构建BO-XGBoost公交服务时间预测模型。模型的MAPE和MSE分别为22.80%和41.91,与主流机器学习模型相比预测性能更优。同时结合SHAP框架对模型进行解释,分析解释变量变化对公交服务时间的影响。

关键词：多源数据公交行程时间预测公交服务时间预测极限学习机 XGBoost模型

基于行程时间预测的城市公交导航服务系统及其关键技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于行程时间预测的城市公交导航服务系统及其关键技术

作者：黄国俊山东大学

学位级别：硕士

本文通过分析国内外城市公共交通智能系统的发展现状以及城市公交服务系统的服务模式,发现城市公交导航系统中的行程时间预测是当前智能交通领域的一个开放性课题,而这对缓解交通压力、提倡绿色出行具有重要意义。针对城市公交导航... 详细信息

本文通过分析国内外城市公共交通智能系统的发展现状以及城市公交服务系统的服务模式,发现城市公交导航系统中的行程时间预测是当前智能交通领域的一个开放性课题,而这对缓解交通压力、提倡绿色出行具有重要意义。针对城市公交导航系统的行程时间时效性特点,本文通过分析已有的行程时间预测模型,采用基于GPS的公交探测车行程时间数据采集方法,分别研究行程时间数据预处理、行程时间模型和路线平均行程时间模型,创新性地提出了适用于城市公交导航服务系统的基于统计分析的行程时间概率预测模型,为城市公交导航服务系统的行程时间预测提供了新的思路。本文研究表明,线路样本总体行程时间均值符合正态分布,可将总体行程时间均值的置信度、置信区间以及线路样本在各状态分析时段内的行程时间概率分布作为行程时间预测信息。本文以我国大中型城市的典型公交路线为验证对象,重点研究了普通和快速公交的行程时间预测案例,验证了本文提出的行程时间概率预测模型的可行性和可靠性。本文重点突破传统行程时间预测模型、行程时间数据预处理、城市公交拓扑网络关键元素建模等理论和技术难题,提出了基于最小换乘次数的公交换乘算法,并通过设计、构建和实现城市公交导航服务系统,最终解决了城市公交导航服务系统的路径导航及行程时间预测问题。最后,基于Java EE、EJB架构以及XML中间件平台,本文分别实现了基于Client/Server架构的城市公交导航服务系统PTNS-Engine、PTNS-QAS软件平台。

关键词：公交行程时间预测概率模型公交导航服务系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市常规公交车行程时间预测方法

交通节能与环保 2023年第5期19卷 96-103页

作者：杨晓春韦凌翔胡化鹏李盈胡莹莹冀俊元陈慧娴盐城工学院安全保卫处江苏盐城224051 盐城工学院材料科学与工程学院江苏盐城224051 南京理工大学自动化学院江苏南京210094

为有效解决城市常规公交车行程时间预测精度不足而导致的公交吸引力下降问题,本文构建了基于PSO优化BP神经网络的城市常规公交车行程时间预测模型。首先,通过文献综述及实测数据分析城市常规公交车辆的运行特征,筛选站点距离、路段所在... 详细信息

为有效解决城市常规公交车行程时间预测精度不足而导致的公交吸引力下降问题,本文构建了基于PSO优化BP神经网络的城市常规公交车行程时间预测模型。首先,通过文献综述及实测数据分析城市常规公交车辆的运行特征,筛选站点距离、路段所在区域、站点停靠时间、行驶车速、站点间信号灯数量、站点间红灯停留时间作为预测模型的输入变量;其次,在构建基于BP神经网络的城市常规公交车行程时间预测模型的基础上,借助PSO算法的全局搜索能力对BP神经网络预测模型的初始权值和阈值进行优化,并据此设计了基于PSO算法优化BP神经网络的城市常规公交车行程时间预测步骤;最后,以成都市147路常规公交车行程时间为例进行验证。案例研究表明:基于PSO-BP神经网络和基于BP神经网络预测模型均可实现较为理想的预测效果,且基于PSO-BP神经网络预测模型的均方误差和平均绝对百分比误差比BP神经网络预测模型降低了13.2和4.4%,具有更好的预测精度。

关键词：城市公共交通公交行程时间预测 BP神经网络粒子群优化算法

基于BP神经网络及GIS智慧公交服务系统设计

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于BP神经网络及GIS智慧公交服务系统设计

作者：冯豪杰河南理工大学

学位级别：硕士

科技化、城市化和智慧化进程的加快,城市人口和机动车数量几何倍增加,城市交通压力不断加大。交通堵塞已成为某些大中型城市的严重问题,普遍认为公共交通是解决城市交通问题的最佳有效途径。公共交通作为智慧交通的重要组成部分,已引起... 详细信息

科技化、城市化和智慧化进程的加快,城市人口和机动车数量几何倍增加,城市交通压力不断加大。交通堵塞已成为某些大中型城市的严重问题,普遍认为公共交通是解决城市交通问题的最佳有效途径。公共交通作为智慧交通的重要组成部分,已引起越来越多的关注。本文的研究内容是智慧公交服务系统的设计,重点是提出智慧公交的服务系统的总体设计,组建服务系统的总体网络架构,规划服务系统的功能模块。智慧公交服务系统的关键是公交车辆的智能调度和乘客出行方案的动态规划,两者都建立在公交车辆路段行程时间准确预测的基础上。针对公交车辆路段行程时间的预测进行了研究,预测公交行程时间即与当前行程时间有关,又与历史同期数据息息相关,本文建立了基于改进神经网络预测路段行程时间模型,内容如下:1基于神经网络路段行程时间预测模型的建立。具有自适应和自学习特点的BP神经网络,适用于处理非线性的回归和预测问题。2优化模型。为了提高预测模型的精度,对BP神经网络提出了改进方案,通过遗传算法对神经网络的连接权值和阈值进行全局寻优,降低了模型训练时间,提高了模型预测的精度。最后论文论述了智慧公交服务系统为乘客提供的出行路线的动态规划以及公交车的智能调度设计。本文为提高公交车运行的效率以及公交公司的服务水平提供了技术支持,具有一定程度的实际意义和社会价值。

关键词： BP神经网络 GIS 智慧公交公交行程时间预测智能调度

基于右转合乘策略的无专用道公交信号实时优先控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于右转合乘策略的无专用道公交信号实时优先控制

作者：邢韵东南大学

学位级别：硕士

倡导公交优先,提高城市公交系统的运行效率,充分发挥公交系统的服务效能一直以来是我国交通运输发展的战略目标。公交车作为重要的公共交通工具,具有载客量大、运输效率高以及绿色环保等优点,因此在城市范围内实施公交信号优先策略对提... 详细信息

倡导公交优先,提高城市公交系统的运行效率,充分发挥公交系统的服务效能一直以来是我国交通运输发展的战略目标。公交车作为重要的公共交通工具,具有载客量大、运输效率高以及绿色环保等优点,因此在城市范围内实施公交信号优先策略对提升公交服务水平、改善城市客运体系具有重要意义。本文针对目前公交信号优先控制方法存在的实时性不强、难以适应公交到达的随机特性等局限性,在公交行程时间实时步进预测的基础上,结合右转合乘的交通组织策略,构建了一种公交信号实时优先控制模型,并对该模型的执行效果进行评估。考虑到公交到达交叉口的时间具有随机性强的特点,为了根据公交车辆的运行状态实时调整信号配时方案,且给控制系统预留足够的反应时间,论文提出基于空间卡尔曼滤波的公交行程时间实时步进预测方法。即将交叉口作为空间状态更新节点,根据公交在交叉口间行驶的行程时间关联关系,建立状态方程和观测方程,然后依据最小均方误差的原理将预测值和观测值融合,得到公交到达下游交叉口行程时间的最优估计值,并随公交在交叉口的行进实现步进式迭代预测。预测结果表明,最优估计值与实际值之间的均方根误差(RMSE)均小于25秒,平均百分比误差(MAPE)大多低于20%,该模型可实现对公交行程时间较准确地预测。在公交信号实时优先控制模型方面,论文提出一种基于右转合乘策略的公交信号实时优先控制模型,结合前述公交行程时间预测,采用绿时延长、红灯早断的实时感应策略以及相位插入的实时自适应策略提供公交优先通行权。并以交叉口饱和度、最大最小绿时以及交叉口性能指标为执行条件,为公交通行方向的下游交叉口设置符合条件的信号优先策略。该公交信号实时优先控制模型与公交行程时间实时步进预测共同实现预测——控制——更新的迭代过程,形成感控交互的公交信号实时优先控制体系。最后论文以昆山市前进路部分路段为研究对象,基于交通状态及信号配时实际数据,通过SUMO交通仿真软件对本文提出的公交信号实时优先控制进行效果评估。与原始的分时段固定信号配时相比,采用了本文提出的公交优先策略后,公交车辆在研究路段的总行程时间平均降低约17.6%,在交叉口的信号延误降低约74.8%,停车次数平均减少46.5%;由于绿时延长和红灯早断也对同相的社会车辆有效,因此同相社会车辆交叉口延误及停车次数也均有小幅度降低,多次实验的结果分布具有较好的鲁棒性。

关键词：公交行程时间预测公交信号实时优先控制策略卡尔曼滤波右转合乘