基于ε-支持向量机回归的快速公交到站时间预测.docVIP

收稿日期：2016-05-11 录用日期：2016-10-10 基金项目:福建省教育厅中青年教师教育科研项目（JA15673） *通信作者：zhangyang0606@126.com 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-support vector machine regression , 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。 HYPERLINK /DaisyOneClickSearch.do?product=WOSsearch_mode=DaisyOneClic