基于ε-支持向量机回归的快速公交到站时间预测

《基于ε-支持向量机回归的快速公交到站时间预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、doi:10.6043/j.issn.0438-0479.201605006基于ε-支持向量机回归的快速公交到站时间预测张洋1，2*，程恩1（1.厦门大学信息科学与技术学院,福建厦门361005；2.福建信息职业技术学院,福建福州350003）摘要：本文选择ε-支持向量机回归（ε-supportvectormachineregression,ε-SVR）算法预测快速公交车(BRT)的到站时间，以提高公共交通的准点性。仿真时，分别对公交车的停靠站时间和路段行驶时间建立模型。根据分析，在停靠站时间预测模型建模过程，选取了车头时距、时段、天气等七维特征向量作为模型输入，其中包括四

2、维动态向量和三维静态向量，此模型输入具有创新性。本文采用人工调查法，对厦门BRT-1数据进行采集，归一化处理后建模。仿真结果显示该模型能够比较准确的预测厦门BRT-1路公交车运行路线到站时间，能够提升其服务水平。并验证天气因素对该线路的到站时间预测影响最大。关键词：支持向量机回归；快速公交；公交到站时间；停靠站服务时间；车头时距中图分类号：U491.2文献标志码：A城市公共交通具有集约高效、节能环保等优点，优先发展公共交通是缓解交通拥堵、提高人民群众生活品质的必然要求。我国政府早在2004年就提出“优先发展城市公共交通”的政策方针［1］。据资料显示，自“十一五”规划以来，借

3、助智能公交［2］技术，中国公共交通的分担率在缓步提升，但相对西方国家60%的分担率还是有一定差距的。实际目前多数城市公共交通车速慢，候车时间长、准点率差等问题直接影响了公交车对公众出行的吸引力。改善城市公交的服务性能，提高乘客满意度［3］，有助于吸引更多的乘客采用绿色、环保、节能的公交出行方式。国内外诸多学者对公交车的行程时间及到站时间进行了研究，牛虎［4］将非参数回归方法应用到公交车到站时间的预测中，并比较了历史平均模型、人工神经网络模型和非参数模型的预测效果，实验结果发现非参数模型的预测精度最高。陈圣兵等［5］提出一种非计算的条件映射预测公交车到站时间模型。在实际的预测

4、系统中，类别数大，使得算法的效率明显下降，很难达到实际要求。Deeshma,M等［6］针对班加罗尔的公交车的出行时间，采用Kalman滤波模型较好的预测出行时间。王茁［7］分析三种公交到站时间预测模型（Kalman滤波模型、BP神经网络模型、时间序列模型），得到Kalman滤波预测模型仅适用于平峰时段，BP神经网络模型适用于高峰和低峰时段。Bai等［8］提出了基于支持向量机和卡尔曼滤波的混合模型预测公交车在下一站的到站时间。Zhong［9］提出了改进的支持向量机（supportvectormachine,SVM）模型，格鲁布斯检验法在模型中对输入数据进行滤波，提高预测准确性

5、。组合预测模型将不同的预测方法进行组合，可以有效利用各种模型的优点。根据公交到站时间预测研究现状来看，支持向量机回归（SVMregression,SVMR）研究的是在小样本下的统计学规律，它具有很强的学习能力,泛化能力明显优于神经网络,很容易在拟合程度与泛化水平上进行平衡。因此,本文选取了SVMR来进行公交车运行时间的预测。1BRT公共交通的特性及影响因素分析快速公交是一种介于常规公交与轨道交通之间的公共交通出行方式，具有运量大、快捷、舒适、低能耗、低污染的特点。厦门高架BRT系统除了具有传统BRT的公交专用道、新型大容量公交车辆、水平登乘、车外售检票等特征外还采用双向2车

6、道，独立路权的高架BRT专用路,没有横向和纵向干扰，不存在分流延误，BRT车流比较稳定。厦门快速公交(BRT)是厦门市交通的主动脉。但作为第一个成网络运营的高架BRT系统，在准点性和方便性方面，还有较大的提升空间。本文以厦门高架BRT系统为背景，采用支持向量机的算法对高架BRT系统的到站时间进行预测，以提升厦门BRT系统的服务水平。表1快速公交运行影响因素［10］（厦门BRT）Tab.1Therelatedfactorsinoperation公交车路段行驶时间的影响因素道路因素公交车沿线道路的等级、车道数、断面型式及通行能力等交通因素受到社会车辆、非机动车和其他公交车辆的影

7、响,不同交通流的流量、密度、速度相互影响车辆因素车辆的体积、最高车速、加/减速性能人的因素司机的年龄、性别、驾龄等影响其驾驶技术、驾驶习惯及反应速度天气情况高温、低温天气会影响车辆本身的性能,降雨、降雪天气会造成路面湿滑、影响驾驶员视线突发事件交通事故、临时交通管制等站点停靠时间影响因素站台因素站台的型式、长度、公交车线路数、站台泊位等乘客因素上/下车乘客的数量以及乘客上/下车速度由表1可以看出，道路交通系统是一个时变的、复杂的非线性多维动态系统，除了具备一些动力学特性之外还具备周期性、随机性和时空相关性等特点,天