一种基于Gradient Boosting的公交车运行时长预测方法

目前,我国公交公司主要依靠经验丰富的工作人员估计车辆回场时间,进而进行车辆调度,此方式缺乏辅助的预测方法,常常造成较大的误差与错误的调度决策。从公交公司的实际需求出发,提出了一种基于动态特征选择的预测方法R-GBDT。R-GBDT利用特征选择组件和模型调参组件为预测组件提供符合线路特征的特征组合与参数,由融合组件对其他组件的结果进行融合,形成一个用于预测最终时间间隔的框架。结果表明,相对于其他算法,所提方法能大大提高公交运行时长预测的准确度。

利用梯度提升树预测公交车到站时间

当前我国公交公司普遍采用让具有丰富经验的公交调度人员以人工估计车辆到站的方法来调度车辆的发车。这种方式缺少计算辅助,加上工作量大,经常容易出现错误预估导致无法缓解道路上常发生的同路公交车遇到一起(串车)或者相隔太远(大间隔)的情况。公交到站时间受道路交通、乘客人数、时间、天气等诸多因素影响,具有不确定性。本文基于该现实问题从公交公司角度出发,提出了一种基于动态特征选择和梯度提升树的公交到站时间预测算法。其动态主要体现在对于不同线路、同一线路不同方向经过特征选择分别选取对该线路该方向站点停留和站间行驶影响较大的特征。该算法用于辅助公交调度人员参考到站时间,从而使得调度人员可以作出更准确有效的调度策略。