基于动态模型的公交车行程时间预测

• 作者: 彭仲仁 柏丛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 103-107,112
• 页数: 6页
• 分类号: TP183
• 字数: 5462字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1504-0243

摘要

准确以及实时的公交车行程时间信息能够帮助出行者更好地规划行程,减少出行者的等待时间.提出了一种基于SVM-Kalman滤波的公交车行程时间动态预测模型.模型中,经过良好训练的SVM模型从历史数据进行预测得到行程时间基准;Kalman滤波动态算法在基于SVM模型预测值和最新公交出行信息的基础上对结果进行调整.以深圳市223路常规公交线路为实例,将动态模型的预测精度结果与单一SVM模型、ANN模型结果进行对比,结果表明,基于SVM-Kalman滤波的公交车行程时间动态预测模型的预测精度更高、动态性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柏丛	上海交通大学船舶海洋与建筑工程学院	4	28	3.0	4.0