基于贝叶斯网络组合模型的公交驻站时间预测

摘要：

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间；然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习；最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.

关键词：智能交通系统、公共交通、驻站时间、贝叶斯网络、神经网络、组合算法

所属期刊栏目：10

分类号：U491.1+7(交通工程与公路运输技术管理)

资助基金：国家十一五科技支撑计划项目“城市道路通行能力与交通实验系统研究2006BAJ18B03”,国家863计划项目“经济圈交通网络结构优化技术2007AA112202”

在线出版日期：2012-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-83,5