论文部分内容阅读
智能交通研究是解决城市交通问题的一种重要途径。先进的城市公共交通系统可以帮助城市居民有效地获取出行的动态和静态交通信息，对城市公共交通信息化管理具有举足轻重的作用。公交车辆到站时间预测作为公共交通信息系统中的关键技术，对城市公共交通的顺利发展起到积极的推动作用。实时的公交车到站时间信息不但可以减少乘客的候车时间、缓解候车乘客的焦急情绪、合理分配出行时间、方便乘客乘坐或换乘公交车，而且为公交管理部门科学调度公交车辆提供依据。因此，本课题研究将物联网的概念引入到公交到站系统中，研究和开发了高性能的公交车辆到达时间预测技术，实现对公交车辆到站时间预测，对推动城市公共交通改善管理水平和服务水平具有重要意义。 论文在分析五类典型到站时间预测模型;基于人工神经网络模型、非参数回归模型、时间序列模型、卡尔曼滤波器模型和支持向量机模型的基础上，在充分考虑多种交通随机因素的影响下，针对各模型在预测精度和实用性上的不足，提出了基于支持向量机的混合公交到站时间预测算法，即通过多站点整体预测算法、单站点局部预测算法、红绿灯等待时间预测算法和公交到站预测时间补偿算法的有机组合进行公交到站时间预测。在此基础上，结合GPS全球定位系统、Google Maps地图以及AJAX等技术，在公交车车载终端、交通电子站牌终端、客户网页终端之间搭建了物物相连的公交到站网络系统。 为了有效测试时间预测算法的实时性和智能公交网络的稳定性，论文选取具有复杂交通特征的北京市公交486路进行实际路况实验。实验结果表明，基于支持向量机的混合公交到站时间预测算法预测具有精度高、稳定性强、较好的自我调节能力等特点。整个基于物联网的公交到站系统可在复杂的实际交通情况下应用。