收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进卡尔曼滤波算法的短时公交客流预测模型研究

陈健冲  
【摘要】:随着改革开放的不断深入,我国公共交通得到了长足的发展。国家制定了优先发展公共交通的政策和策略。在此背景下智能公交系统应运而生。系统运行之后取得了不错的效果,但运行过程中也发现了,准确及时地掌握甚至预测公交短时客流的变化信息,将为公交管理调度提供有力的决策支持。短时公交客流预测受政策、环境、天气等很多因素的影响。国内外有很多专家学者开展这方面的研究,使用的方法主要有基于统计、非线性及混合类方法三种类型方法。特别是使用神经网络、卡尔曼滤波等非线性(智能)方法的预测,通过实验验证,有不错的效果。基于卡尔曼滤波算法的预测模型有的时候预测结果发散、误差偏大;而基于神经网络的预测模型又对输入值的噪点过滤性能较差,并且太过于依赖于数据样本,部分时候表现效果不太理想。本文在充分研究国内外相关领域的现状的情况下,提出了改进的卡尔曼滤波短时公交客流预测算法模型。该模型利用卡尔曼滤波算法的原理,以BP神经网络为辅助,充分地利用BP神经网和卡尔曼滤波两种算法的优点,互补各自的缺点,将卡尔曼滤波预测过程中产生的噪声协方差、估计误差、滤波增益作为BP神经网络的输入,然后将输出结果与卡尔曼滤波预测结果结合,校正误差。本文选用了大连市28路公交车IC卡数据记录与GPS数据记录,经过数据清洗、比对等预处理之后形成样本数据。本文经分析,考虑了 28路公交车客流数据在同一天相邻时间段,与相邻天、周、月的同一时间段以及相邻月的同一时间段的历史数据平均值呈强相关的具体情况,构建了 BP神经网络校正的改进卡尔曼滤波短时公交客流预测模型。经检验,改进的卡尔曼滤波预测模型较传统的卡尔曼滤波预测模型以及单一 BP神经网络预测模型,预测结果误差较小。本文建立了基于BP神经网络修正的改进卡尔曼滤波短时公交客流预测模型。该模型解决了传统算法容易发散,预测结果误差较大的缺点,为今后的研究提供了新的思路和方向。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 马玉春;王兵;陈婉;;大规模公交客流随车调查的组织与实施[J];城市公共交通;2016年09期
2 孙爱充;公交客流预测方法研究[J];北京规划建设;1999年06期
3 吴丽华;;公交客流调查数据的实用性分析研究[J];城市公共交通;2009年06期
4 孙平;;公交客流的若干问题讨论[J];消费导刊;2009年02期
5 宗君振;王起发;陈慧阳;;基于突发事故的大型活动期间公交客流疏散研究[J];西部交通科技;2017年02期
6 杨斌;;公交客流统计与驾驶员疲劳检测系统解决方案[J];中国公共安全;2017年Z1期
7 李林波;康琳涓;王婧;;基于天气影响分析的公交客流调查日期确定方法[J];交通科技;2016年01期
8 高咏玲;杨浩;;城市公交客流影响因素的改进灰色一致关联分析[J];交通运输系统工程与信息;2007年06期
9 武勇彦;魏中华;荣建;刘小明;;大型活动公交客流分配方法[J];北京工业大学学报;2011年04期
10 刘凯;李文权;赵锦焕;;短时公交客流小波预测方法研究[J];交通运输工程与信息学报;2010年02期
11 范海雁;李秀君;;基于公交客流统计信息的公交调度决策方法[J];统计与决策;2007年24期
12 冯树民;李晓冬;;公交客流生成预测的神经网络模型[J];交通运输系统工程与信息;2006年01期
13 唐云建;吴江洲;胡晓力;莫斌;;基于RFID网络的公交客流信息采集系统设计[J];自动化与仪器仪表;2014年01期
14 朱晓宏 ,丁卫东 ,孙泰屹;公交客流信息采集技术研究[J];城市车辆;2005年01期
15 董红召;刘倩;付凤杰;;短时公交客流的弦不变量预测方法[J];模式识别与人工智能;2018年09期
16 李林波;姜屿;王婧;吴兵;;基于数据融合的公交客流规模测算方法[J];城市交通;2016年01期
17 保丽霞;秦岳明;王杉;王宇;薛守钰;;基于视频的县域公交客流检测及在宁海的应用研究[J];交通与运输(学术版);2017年02期
中国重要会议论文全文数据库 前20条
1 周玉田;朱加喜;刘先峰;;低公交客流专用进口道精细化设计研究[A];交通治理与空间重塑——2020年中国城市交通规划年会论文集[C];2020年
2 魏领军;张利;魏领红;陆建荣;;城市公交客流调查数据修正方法的研究[A];2008中国汽车工程学会年会论文集[C];2008年
3 吴超腾;张祎;周昱;;城市公共交通轨道换乘公交客流大数据研究实战[A];第十一届中国智能交通年会大会论文集[C];2016年
4 林军记;陈静萍;龚文森;张辉;;基于WiFi探测数据包的公交客流信息采集[A];第十二届中国智能交通年会大会论文集[C];2017年
5 张彬;;城乡公交客流OD分层次反推[A];2017年中国城市交通规划年会论文集[C];2017年
6 阎逸飞;于琛;李彬;刘雪芬;;基于上海公交IC卡的公交客流走廊OD获取方法[A];品质交通与协同共治——2019年中国城市交通规划年会论文集[C];2019年
7 丛晓洁;;基于IC卡和GPS大数据的公交客流分析[A];协同发展与交通实践——2015年中国城市交通规划年会暨第28次学术研讨会论文集[C];2015年
8 王春雨;顾军华;;基于知识发现的公交客流分析平台[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
9 周韬;;基于GPS和IC卡数据的公交客流OD反推方法[A];协同发展与交通实践——2015年中国城市交通规划年会暨第28次学术研讨会论文集[C];2015年
10 周欣;倪亚洲;;公交客流调查抽样方法及抽样模型的研究[A];“迎全运”提升城市建设管理水平研讨会优秀论文集[C];2008年
11 宫晓刚;徐泽洲;于莉娟;朱琛;;公交专用道设置条件研究[A];协同发展与交通实践——2015年中国城市交通规划年会暨第28次学术研讨会论文集[C];2015年
12 刘海峰;宛玉晴;田华阳;;基于SQUID和NQR爆炸物探测信号分析技术研究[A];中国核科学技术进展报告(第六卷)——中国核学会2019年学术年会论文集第8册(辐射研究与应用分卷、核技术工业应用分卷、辐照效应分卷、核电子学与核探测技术分卷、核医学分卷、放射性药物分卷)[C];2019年
13 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
14 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年
15 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年
16 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年
17 余小琴;刘贯领;沈文苗;;多基地浮标目标运动分析[A];2009年中国东西部声学学术交流会论文集[C];2009年
18 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年
19 罗云辉;;基于IC卡和GPS信息的公交客流及公交服务水平分析和评价方法研究[A];2016年中国城市交通规划年会论文集[C];2016年
20 蒋晗芬;陈必壮;刘明姝;;上海公交专用道的发展困境与对策思考[A];2016年中国城市交通规划年会论文集[C];2016年
中国博士学位论文全文数据库 前8条
1 陈深进;基于云服务平台的智能交通关键技术研究[D];华南理工大学;2019年
2 曾鹦;考虑乘客选择行为的城市公交客流分配及系统演化[D];西南交通大学;2014年
3 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年
4 赵伟;基于容积规则的鲁棒卡尔曼滤波算法研究与应用[D];燕山大学;2017年
5 张晓亮;城市公交站点优化与高峰时段公交客流分配模型研究[D];吉林大学;2015年
6 杨富社;大城市常规公交动态调度理论与方法研究[D];长安大学;2015年
7 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年
8 梁士栋;随机环境下公交系统鲁棒性优化方法研究[D];吉林大学;2017年
中国硕士学位论文全文数据库 前20条
1 陈健冲;基于改进卡尔曼滤波算法的短时公交客流预测模型研究[D];大连海事大学;2020年
2 王成;基于大数据的短时公交客流预测模型研究[D];大连海事大学;2019年
3 高菽晨;基于多源数据的公交客流分析与短时预测研究[D];内蒙古工业大学;2020年
4 刘欣彤;降雨天气条件下短时公交客流预测研究[D];哈尔滨工业大学;2016年
5 李梅;基于深度学习的短时公交客流预测研究[D];北京交通大学;2019年
6 费惠;智能公交客流大数据采集、分析预测研究与应用[D];青岛大学;2019年
7 苏文恒;公交客流出行特征解析及预测方法研究[D];山东理工大学;2019年
8 段钊宁;基于公交大数据的客流OD推算及可视化方法研究[D];石家庄铁道大学;2019年
9 朱攀;基于机器学习的嵌入式公交客流统计系统[D];厦门大学;2017年
10 杨鑫;基于IC卡数据的公交客流智能推断方法研究[D];北京邮电大学;2019年
11 李明志;公交客流时空分析及三维可视化表达研究[D];中国矿业大学;2019年
12 张俊杰;基于地理加权回归模型公交客流影响因素的空间异质性研究[D];长安大学;2018年
13 张文涛;基于机器学习的公交客流统计方法研究[D];长安大学;2018年
14 邬浙东;基于云计算的动态公交客流OD获取方法研究[D];长安大学;2018年
15 涂一霜;基于IC和GPS数据的公交客流分析及预测算法研究[D];武汉理工大学;2017年
16 赵耀;顾及地理要素的城市公交客流预测方法研究[D];战略支援部队信息工程大学;2018年
17 王飞;基于视频图像处理的公交客流统计技术研究[D];东南大学;2018年
18 张宇洋;大数据环境下的公交客流OD矩阵推导与应用研究[D];西南石油大学;2017年
19 唐啟忠;基于视频的公交客流统计分析关键技术的研究与实现[D];华南理工大学;2014年
20 王海鹏;城市公交客流态势动态评估关键技术及其模型研究[D];青岛理工大学;2013年
中国重要报纸全文数据库 前20条
1 记者 徐朝晖;复工复产带动市区公交客流复苏[N];金华日报;2020年
2 本报记者 孙宏阳;本市将打造27条公交客流走廊[N];北京日报;2020年
3 记者 马丹丹;打造27条主要公交客流走廊[N];首都建设报;2020年
4 本报记者 史春勇 通讯员 赵东云;大数据引领城市公交发展[N];济南日报;2016年
5 本报记者 孙宏阳;中心城区精减重复公交线路[N];北京日报;2017年
6 本报记者 刘冕;早高峰公交客流增长百万人次[N];北京日报;2014年
7 鞠红梅;公交客流6年来年递减3%[N];哈尔滨日报;2007年
8 记者 赵蕴颖;过年“宅人”多 公交客流连年走低[N];大连日报;2015年
9 苏建凤特约记者 张桂芳;“十一”北京公交客流将达1亿人次[N];首都建设报;2008年
10 贾晓燕通讯员 孙文剑 张桂芳;公交客流1600万人次创历史新高[N];北京日报;2007年
11 见习记者 束涵;商圈沿线地铁公交客流明显回升[N];解放日报;2020年
12 记者 夏晖;地面公交客流恢复至疫情前四成[N];首都建设报;2020年
13 深圳商报记者 肖晗;地面常规公交客流下降8%[N];深圳商报;2011年
14 记者 陈秀雅;上半年公交客流同比增加近两成[N];苏州日报;2010年
15 特约记者 祝海燕;北京打造二十七条主要公交客流走廊[N];中国交通报;2020年
16 特约记者 周广洁;广州公交优惠效果初显[N];中国交通报;2008年
17 记者 卞建国 通讯员 王威;家乡游外地客汇津城 公交运客1450万人次[N];天津日报;2006年
18 本报记者 刘有仪 葛妍 王茸 本报通讯员 葛川平 钱春龙;核心区车流量降了15% 地铁公交客流都小幅上升[N];南京日报;2014年
19 记者 胡诚浩;如何让公交“热”起来?[N];绍兴日报;2019年
20 郑敏慧 本报记者 闫新亮;绿色公交守护城市蓝天[N];中国交通报;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978