作者:
原文服务方: 计算机测量与控制       
摘要:
基于公交车辆的GPS定位信息,利用公交站点间行程时间的实时数据与短期历史数据相结合的方法,设计权重动态分配的公交到站时间预测模型,利用ARIMA模型动态确定前几辆车的行程时间对当前车辆的不同影响权重,来预测当前车辆的行程时间,能够有效的消除公交串行事件对预测的干扰.该预测模型通过北京市某路公交线路实时数据接入测试验证平均准确度达到88.4%,表明该预测模型有较高的准确性与可靠性.
推荐文章
基于交通数据融合技术的行程时间预测模型
数据融合
行程时间
预测模型
小波神经网络
遗传算法
基于萤火虫算法优化BP神经网络的公交行程时间预测
智能交通系统
公共交通
萤火虫算法
BP神经网络
卡尔曼滤波
行程时间预测
基于动态模型的公交车行程时间预测
支持向量机
卡尔曼滤波
人工神经网络
公交车行程时间
动态预测
基于Vissim仿真的公交行程时间可靠性研究
公共汽车
行程时间
可靠性
仿真
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于GPS的公交行程时间预测模型
来源期刊 计算机测量与控制 学科
关键词 公交车辆 GPS行程时间 预测模型 公交串行事件
年,卷(期) 2012,(8) 所属期刊栏目 算法、设计与应用
研究方向 页码范围 2204-2206,2239
页数 分类号 U121
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王浩 19 94 6.0 8.0
2 徐琛 同济大学建筑设计研究院(集团)有限公司交通规划设计所 11 96 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (16)
参考文献  (9)
节点文献
引证文献  (7)
同被引文献  (2)
二级引证文献  (2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(5)
  • 参考文献(4)
  • 二级参考文献(1)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
公交车辆
GPS行程时间
预测模型
公交串行事件
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机测量与控制
月刊
1671-4598
11-4762/TP
大16开
北京市海淀区阜成路甲8号
1993-01-01
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导