基于AVL 数据的公交到站时间实时预测模型

doi:10.3969/j.issn.1674-0696.2012.05.23

重庆交通大学学报（自然科学版） ›› 2012, Vol. 31 ›› Issue (5): 1014-1017.DOI: 10.3969/j.issn.1674-0696.2012.05.23

基于AVL 数据的公交到站时间实时预测模型

胡华¹，高云峰²，刘志钢¹

1.上海工程技术大学城市轨道交通学院，上海201620; 2.上海海事大学交通运输学院，上海201306

收稿日期:2012-02-01 修回日期:2012-02-15 出版日期:2012-10-15 发布日期:2015-01-22
作者简介:胡华(1979—)，女，四川遂宁人，讲师，博士，主要从事多模式公共交通系统运营优化方面的研究。E-mail:huhua1979@126.com。
基金资助:
国家自然科学青年基金项目( 51008231) ; 中国博士后科学基金特别资助项目( 201104287) ; 上海市教育委员会重点学科建设项目 ( J51401) ; 上海高校青年教师培养资助计划( shgcjs022)

Dynamic Prediction Model of Bus Arrival Time Based on AVL Data

Hu Hua¹，Gao Yunfeng²，Liu Zhigang¹

1.College of Urban Railway Transportation，Shanghai University of Engineering Science，Shanghai 201620，China; 2.College of Transport and Communications，Shanghai Maritime University，Shanghai 201306，China

Received:2012-02-01 Revised:2012-02-15 Online:2012-10-15 Published:2015-01-22

摘要/Abstract

摘要： 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。

关键词: 公交到站时间, 实时预测, 自动车辆定位数据, BP 神经网络算法, 自适应指数平滑法

Abstract: Prediction of bus arrival time plays an important role in transit information service and dynamic scheduling． Based on needs analysis of automatic vehicle location ( AVL) data，bus arrival time is divided into three components，including dwell time on stations dynamically predicted by point estimate algorithm，all travel time in intervals by back-propagation network algorithm and part travel time in intervals by self adaptive thrice exponential smoothing algorithm． In addition，these models are validated and evaluated based on the AVL data provided by the experimental bus line． It’s found that the model improves predicting index performances of robustness and precision because of the effective integration of regular patterns from historical data and real traffic conditions from dynamical data．

Key words: bus arrival time, real-time prediction, automatic vehicle location data( AVL) , back-propagation network algorithm; self-adaptive thrice exponential smoothing algorithm

中图分类号:

U491.17

胡华，高云峰，刘志钢. 基于AVL 数据的公交到站时间实时预测模型[J]. 重庆交通大学学报（自然科学版）, 2012, 31(5): 1014-1017.

Hu Hua，Gao Yunfeng，Liu Zhigang. Dynamic Prediction Model of Bus Arrival Time Based on AVL Data[J]. Journal of Chongqing Jiaotong University(Natural Science), 2012, 31(5): 1014-1017.

参考文献

［1］ Abkowitz M，Engelstein I． Empirical methods for improving transitscheduling ［C］． World Conference on Transport Research: Researchfor Policies in a Changing World． Hambwrg，Germany，1983: 884-885．
［2］ Chien S，Ding Y Q，Chien H W． Dynamic bus arrival time predictionwith artificial neural networks ［J］． Journal of TransportationEngineering，2002，128(5): 429-438．
［3］孙喜梅，杨兆升．城市公共交通站点间实时动态行程时间预测的模型［J］．吉林大学学报，2002，32(1): 47-51．
Sun Ximei，Yang Zhaosheng． The model of real-time dynamic traveltime prediction between urban public transportation stop［J］． Journalof Jilin University: Engineering and Technology，2002，32(1):47-51．
［4］杭明升，杨晓光，彭国雄．基于卡尔曼滤波的高速道路行程时间动态预测［J］．同济大学学报，2002，30(9): 1068-1072．
Hang Mingsheng，Yang Xiaoguang，Peng Guoxiong． Study of predictedtravel time in urban expressway based on Kalman filter［J］．Journal of Tongji University，2002，30(9): 1068-1072．
［5］ Aichong S，Hickman M． Vehicle Travel Time Prediction UsingPrimitive Automatic Vehicle Location Data［C］/ /TransportationResearch Board 85th Annual Meeting． Washington，D． C． : TRB，2006: 1056-1077．
［6］张雄希．无线传感器网络在城市智能公交系统中的应用［J］．重庆交通大学学报: 自然科学版，2009，28(6): 1064-1066．
Zhang Xiongxi． Application of wireless senor network to intelligenttransportation system of city public bus［J］． Journal of ChongqingJiaotong University: Natural Science，2009，28(6): 1064-1066．
［7］阎平凡，张长水．人工神经网络与模拟进化计算［M］．北京: 清华大学出版社，2000: 78-96．
［8］ Chien S，Ding Yuqing． Applications of Artificial Neural Networks inPredicting of Transit Arrival Times［C］/ /Annual Conference of ITSAmerica Proceedings． Washington，D． C． : TRB，1999: 859-870．
［9］ Kalaputapu R，Demetsky M J． Modeling schedule deviations of busesusing automatic vehicle-location data and artificial neural networks［J］． Transportation Research Record，1995，1497: 44-52．
［10］胡华．城市轨道交通与常规公交协调调度理论及方法［D］．上海: 同济大学，2010: 63-68．

基于AVL 数据的公交到站时间实时预测模型

Dynamic Prediction Model of Bus Arrival Time Based on AVL Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics