多线路信息融合的公交车行程时间预测算法
针对公交车行程时间预测存在数据稀疏、数据缺失及更新间隔长等问题,提出了一种基于相似路段划分并融合多线路信息的卡尔曼滤波算法.该算法对每条路段的属性特征和空间结构特征进行归一化处理,利用属性特征和空间结构的相似性及POI(Point of Interest)对交通影响的变化动态地划分相似路段;然后融合相似路段与目标路段上的多条公交线路的数据信息,用相似路段的数据丰富实验数据;最后结合卡尔曼滤波算法动态性高、实时性强等特点建立模型,从而实现短时预测,并对信息进行修正.选取沈阳市162线路和299线路作为实验线路,各划取一段相似路段进行基础数据采集并进行实验.通过相似路段上的信息来推断数据稀疏或缺失路段的信息,能够缩短数据更新间隔并提高算法预测的实时性及精准性,尤其在早高峰时段,提出的算法模型的绝对平均百分误差达到13.2%,能达到实时查询的性能需求.
行程时间、相似路段、卡尔曼滤波、多线路信息、行程时间预测
46
TP39(计算技术、计算机技术)
国家自然科学基金61174115
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
222-227