基于公交车载数据的车辆行驶时间预测研究

《基于公交车载数据的车辆行驶时间预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级位代巧１０１５１ＵＤＣ单：？乂是洛事乂掌全日制应用型硕±研究生学位论文基于公交车载数据的车辆行驶时间预测研究ｒ：秦肯指导教师‘张维石教授企业导师梁好高级工程师串请学位类别工程硕±工程领域软件工程学位授予单位大连海事大学２０１６年６月分类号密级ＵＤＣ码１０１５１单位代大连海事大学工程硕±学位论文基于公交车载数据的车辆巧驶財间预测研究（学位论文形式：应用研究）秦同指导教师张维石职称教授企

2、业导师梁好职称高级工程师学位授予单位大连海事大学申请学位类别工程硕±工程领域软件工程２０６论文完成日期１６年月２０１６年５月答辩曰期答辩委员会主席种聲ＲｅｓｅａｒｃｈｏｎＶｅｈｉｃｌｅＴｒａｖｅｌＴｉｍｅＰｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎＢｕｓＤａｔａＡ化ｅｓｉｓＳｕｂｍｉｔｔｅｄ化ＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙＩｎｐａｒｔｉａｌｆｕｌｆｉｌｍｅｎｔｏｆｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅ

3、ｒｏｆＥｎｉｎｅｅｒｉｎｇｇｂｙｎｎＱｉＫｅＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎ（ｇｇ）ＴｈｅｓｉｓＳｕｐｅｒｖｉｓｏｒ：ＰｒｏｆｅｓｓｏｒＺｈａｎｇＷｅｉｓｈｉＪｕｎｅ２０１６大连海事大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：本论文是在导师的指导下，独立进行研巧工作所取得的成果，＂＂撰写成博／硕±学位论文基于公巧车载数据的车辆行驶时间预测研究。除论文中己经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本论文中不包含任何未加明确注

4、明的其他个人或集体己经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名：表鸣学位论文版权使用授权书本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定，目Ｐ：大连海事大学有权保留并向国家有关部口或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕±学位论文全文数据库》（中国学术期刊（光盘

5、版）电子杂志社）、《中国学位论文全文数据库》（中国科学技术信息研巧所）等数据库中，并Ｗ电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于：保密□在年解密后适用本授权书。／＂＂不保密回（请在Ｗ上方框内打Ｖ）论文作者签名：导师签名：曰期一年＾月＞０曰中文摘要摘要随着城市规模不断扩大，公众对市内出行的需求越来越高。利用智能交通系统和物联网等产生的海量数据，对交通出行时间进行分析预测，己成为目前智能一ＲＢＦ交通研究热点之。本论文利用多重分形理论、去趋势互相关分析、径

6、向基（）神经网络、车辆行驶时间预测等技术对交通数据进行分析计算，研究基于公交车载数据的车辆斤驶时间预测，对提升城市交通服务质量具有参考价值。本论文深入分析国内外研究现状，使用多重分形去趋势互相关分析方法，对车载数据进行分析研究，结果验证了车辆之间行驶速度的相关性。对于给定时间一标度，在同分形区间内，公交车车速和被预测车辆的车速呈现正相关性。本论文在此分析研究的基础上，利用改进后的ＲＢＦ神经网络，建立基于两阶段混合场ＦＴＳＭＳＡ－服Ｆ度预测模型景自适应ＲＢ神经网络（）的车辆行驶速。该模型先通过主成＂份分析离线初始

7、化ＲＢＦ神经网络，再结合实时数据训练集，使用场景自适应调＂节器改变网络结构，进而使网络实现在线场景自适应的功能。经过大量的实际数据实验，验证了基于该方法的模型在车辆行驶速度预测上的拟合程度较高。本论文基于此模型，利用在线地理信息平台，结合车辆行驶时间预测方法，实现了车辆行驶时间预测软件。该软件利用历公交车载数据进行城市道路车辆运行仿真模拟，可Ｗ显示车辆行驶信息，计算出特定路线上的行驶总时间。本论文在理论研究的基础上实现基于公交车载数据的车辆行驶时间预测软，件，通过理论与实践相结合的方法实现本课题对城市出行时间预测的

8、研究目标，一对进步的综合智能交通研究进行了有益的探索，为提升交通服务质量和公众出行便利性提供了参考。关键词：多重分形；去趋势互相关；ＲＢＦ神经网络；行驶