基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。     

基于极限学习机的公交行程时间预测方法

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.     

基于预测算法的公交车实时到站时间查询系统

公交车是目前城市中最为普遍的一种大众运输工具,随着城市化和机动化的发展,使城市人口和地域不断增加,对公共交通的需求相应快速增长,出行者对公交系统提出了更多更高的要求。公交车辆到站时间是城市智能公共交通系统服务的重要指标参数之一,也是乘坐公共交通出行者最为关注的基本信息之一,为满足公交出行者对所乘线路公交车辆的到站时间可实时查询的需要,介绍城市公交实时到站时间查询系统的设计。在需求分析的基础上,通过概念结构、逻辑结构的设计建立了查询系统的数据模型,提出了一种到站时间的预测算法。该算法将路线划分成站间路段,以实时收集到的车辆进出站信息为基础,从历史纪录中得到通过每个路段的运行时间。通过聚类分析、判别分析的方法确定预测的运行时间,最后通过简单计算得到用户需要的预测到站时间,并且将到站时间通过网络公开展示给系统的用户。     

液压活套系统的数据驱动预测控制

针对热连轧活套高度和张力系统的双输入双输出强耦合特性,提出了基于数据驱动的预测控制策略.利用离线和在线输入输出数据以及预测信息设计控制器,基于预测控制原理,在一个周期内,顺序更新活套高度和张力系统的控制律.该方法将一个复杂的系统分解成多个相关联的子系统设计控制器,降低系统的维数,减小的计算量,提高控制精度.仿真结果表明该方法具有较好的解耦效果和控制性能.     

基于前车数据的动态公交车辆到站时间预测模型研究

在以往研究成果基础上,基于采集获取的实时车辆定位信息,提出了一种基于前车的公交车辆到站时间动态预测模型。在建立路段行程时间计算模型时考虑了前车的平均瞬时速度,在计算站点区域停留时间时建立了基于前车的预测模型,提出了一种参数容易获取、便于实际计算的模型,用于预测公交车辆在信号控制交叉口的延误。用上海市58路公交车的GPS数据对预测模型进行了验证,结果表明预测模型具有较高的预测精度,能够较为准确地预测公交车辆到站时间。     

两种算法结合的公交到站时间预测

随着临港地区经济高速发展,人口规模与机动车拥有量急剧增加,公交优先战略对于缓解城市交通压力起着举足轻重的作用。在临港智能公交体系大背景下,尝试对公交到站时间进行算法分析研究,具体提供了一种结合非参数回归与卡尔曼滤波的公交车到站时间预测算法。通过非参数回归方法得到基于历史数据的公交车到站时间预测值,进而根据预测值和当前公交车实时运行结果的误差,通过不断更新最优到站时间估计和卡尔曼增益,实现对预测运行时间的修正。研究结果表明,基于非参数回归和卡尔曼滤波混合后的模型预测误差减小,预测效果良好。     

基于双向长短期记忆网络的公交到站时间预测模型

为实现准确预测公交到站时间，提高城市公交出行分担率，本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超参数寻优，并增加Attention机制以提高双向LSTM处理信息能力，构建改进海鸥算法优化增加Attention机制的双向LSTM(ISOA-BiLSTM-Attention)预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间，验证模型预测精度。结果表明：整体上来说，Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好；改进的海鸥算法可对双向LSTMAttention模型实现较好的优化效果，相较于现有模型及标准海鸥算法(SOA)优化双向LSTMAttention模型，ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低5.96%、9.87%及7.99%；同时，ISOABiLSTM-Attention具有最大的模型...     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

基于近邻和SVM的公交停靠时间预测

为提高公交行程时间预测的准确性,提升公交系统的整体服务水平,提出了一种公交车站点停靠时间预测模型.在考虑上下车人数、在车人数和天气状况等因素对公交停靠时间的影响下,采用训练集样本预筛选操作,分析样本筛选过程中不同抽样率对预测效果的影响,比较基于不同核函数的支持向量机在预测精度上的差异.选取佛山市301路公交线中有代表性的10个站点,用以检验基于近邻的支持向量机模型的预测效果,并分析不同站点的特性.试验结果表明,所提出的模型可以达到较高的预测精度,决定系数为0.4255,均方根误差为9.4737,且计算时间与不进行预筛选时相比,降低约40％.训练集数据的预筛选过程可以缩短模型的计算时间并且降低预测误差,而基于线性核函数的支持向量机比基于其他核函数的预测效果更好.     

基于广义时空图卷积网络的交通群体运动态势预测

针对当前高速公路与城市快速路交通拥堵现象愈发严重,为交通管理与控制造成巨大困难的问题,提出了一种基于广义时空图卷积网络(GSTGCN)的交通速度预测模型;基于交通数据自身具有的复杂时空特性,定义了广义交通数据图结构,同时构建了广义图的邻接关系;基于图卷积网络基础理论,采用切比雪夫近似与一阶近似简化了图卷积操作的计算成本,建立了广义图卷积算子;结合广义图卷积模块、标准卷积模块与线性全连接层,提出了用于提取复杂交通数据时间、空间特征的GSTGCN模型;利用美国威斯康星州密尔沃基市快速路网上架设的38个检测器,在21个工作日以每5 min为单位记录了车辆速度、流量和占有率数据,测试了GSTGCN模型在该数据集上的短期交通速度预测精度与训练效率。分析结果表明:相较于传统自回归求和滑动平均(ARIMA)模型、长短时记忆(LSTM)模型以及近期的STGCN模型,GSTGCN模型在交通速度的均方根误差、平均绝对误差和平均绝对百分比误差指标上分别降低了22.79%、22.97%和16.73%;此外,GSTGCN模型的训练时长比STGCN模型和LSTM模型分别降低了5.17%和75.71%。可见,GSTGCN模型能够有效处理复杂交通时空数据结构,准确预测交通速度,并为交通管控提供交通群体的运动态势信息。      

现场总线控制系统时延特性及控制

分析了现场总线控制系统前向通道和反馈通道的传输时延特性，针对执行器的工作方式推导了线性被控对象在时间驱动方式下和在事件驱动方式下的离散时间模型，提出了2种现场总线控制系统的控制方法，1种是将随机时延转化为固定时延，进而对固定时延进行补偿；另1种是直接处理随机时延，这2种方法互为补偿，可有效地消除时延对现场总线控制系统性能的不良影响。     

���ڶ�λ���ݵĹ���ʱ��վ���Զ�ѡ�񷽷�

公交时间站点是编制时刻表的基础,选择合适的时间站点不仅能提高运营分析的准确性,还能增加编制的时刻表的执行率,进而能有效地提高公交的准点率水平.目前时间站点的选择主要依据人工经验.本文创新性地提出一种基于车辆定位数据分析的自动选择方法.首先,考察公交运营业务流程,分析出时间站点应具备的主要特性;接着,挖掘定位数据,对停站时间、车头时距和区段运营时间进行深入分析,并计算出各站点相应的时间站点特征值;然后,应用层次分析法自动选择出合适的时间站点.该方法已应用于湖北十堰市公交运营规划示范中,对于运营分析以及编制准点率水平高的行车时刻表具有重要意义.     

铁路轨道振动监测系统的研究与设计

在轨道振动研究的基础上,设计完成了基于USB2.0接口的监测系统.该系统以891-2型拾振器作为测振传感器,以LPC1768作为核心控制芯片,以USB串行接口总线作为数据传输通道,实现了对轨道表面振动信号的采集、时域分析、频域分析以及实时显示等功能.经过试验测试,该系统性能稳定,试验结果符合预期设想,适合于工程现场监测,具有很好的实用性和借鉴性.     

基于数据融合的公交客流规模测算方法

公交客流规模测算往往存在调查成本受限和准确度要求较高的矛盾.提出基于公交IC卡历史数据与人工补充调查数据的数据融合测算方法,以准确推算公交客流规模.首先根据公交线路的基本属性,采用聚类分析方法划分线路类型,从每一类中选择具有代表性的线路.基于IC卡数据分析公交客流时变特征,运用有序样本聚类Fisher算法将线路小时刷卡量进行聚类分析.划分刷卡量相似时段,进而采用优化方法确定调查抽样率,确定相应的调查车辆进行人工补充调查,最终经过数据融合计算获得公交客流规模.基于上海市某辖区IC卡数据进行案例分析,测算得到三类公交线路的日均客流量.     

基于排队论的线路密集点公交站台容量优化模型

城市公交线路密集点是城市公交规划与优化中的重要节点.线路密集点公交站台的服务水平直接影响到城市公交整体服务表现.针对线路密集点的公交站台线路容量问题,本文以排队论为方法基础,引入公交达到率、服务台数、乘客平均上下车时间等为模型参数,构建线路密集点公交站台线路容量计算模型,并通过改变参数来进行公交站台的容量优化,为公交站台的线路数及泊位数设计提供理论方法依据.模型应用于西安市某公交站台,计算该站台线路容量并进行了优化分析.应用结果表明,该模型能有效地计算线路密集点公交站台线路容量并做出优化分析.     

基于事件驱动的单跑道动态地面等待策略

为了保障飞行安全,允分利用机场容量,有效减少航班延误损失,建立了基于事件驱动的单跑道动态GHP模型.用分层次的两阶段优化算法对模型求解,结果显示,与时间驱动策略相比,事件驱动策略的总延误时间减少了19.6%;与线性规划方法相比,计算茸减少了24.3%.     

两种典型公交站点候车时间模型对比研究

乘客候车时间可直接反映公交运输系统的运营状态和服务水平.将常规公交站点分类为是否与轨道交通有衔接,对27路、111路白石桥东站,以及运通105路和87路城铁西直门站进行实地调研,获取各线路晚高峰的乘客候车时间数据,对数据进行拟合与分析.结果表明,客流到站时间分别服从对数正态分布和伽马分布.基于客流到站时间分布函数,反推出乘客候车时间模型,同时对模型进行对比分析,并得出相应结论.     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。