基于改进Sage滤波器的车辆行程时间预测模型

在现代ITS环境中,公交车辆行程时间预测是实现公共交通智能化调度子系统、电子站牌显示子系统及公交信息服务子系统的必要条件。针对Sage滤波器自身的优缺点,提出了一种基于车辆行程时间历史数据流信息的Sage滤波器,并在此基础建立了BRT(Bus Rapid Transit)车辆行程时间预测模型。最后针对2007年6月7日北京市南中轴路大容量快速公交(BRT)线的实际数据进行了对比实验,结果表明,改进的Sage滤波器有效降低了原算法的误差。

考虑车辆及行人到达规律的高铁站落客平台车辆行程时间仿真研究

为探究落客平台高峰小时内车辆和行人的到达分布规律对车辆行程时间的影响,以元胞自动机理论为基础,通过分析车辆交通流特性以及行人行为特性,建立落客平台微观仿真模型,并将着重讨论车辆和行人的到达规律在符合泊松分布、二项分布、负二项分布等组合的九种情况下对行程时间的影响,希望为相关人员提供参考。

基于SVM+GA的客运车辆到站时间预测

准确的客运车辆到站预测是城市智慧交通的基础服务,有助于减少信息盲区,优化车辆运营调度。提出了一种基于SVM的到站预测模型,考虑道路因素、大型节假日、天气、路况、运行距离、运行时间、排班信息七个因素的影响,改进道路路段为道路类型因素,使模型更适合于客运车辆。在此基础上,用遗传算法做参数寻优提高模型训练效率。以深圳-广州的客运班车GPS数据完成实验,对比证明SVM+GA模型应用于客运车辆行程时间预测具有更好的适应客性,准确高效。