基于卡尔曼滤波的公交站点短时客流预测

被引：52

作者：

张春辉

宋瑞

孙杨

机构：

[1] 北京交通大学交通运输学院

来源：

交通运输系统工程与信息 | 2011年 / 11卷 / 04期

关键词：

城市交通; 短时客流预测; 卡尔曼滤波;

D O I：

10.16097/j.cnki.1009-6744.2011.04.019

中图分类号：

U491.14 [];

学科分类号：

摘要：

公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持.在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程.选用了一条实际公交线路中客流量较大、客流变化明显具有代表性的站点进行了采集数据和实例分析,数据结果的平均绝对误差为5.177 1,均方误差为0.796 1,表明提出的模型与算法可以有效地对短时公交客流进行预测.与人工神经网络预测结果比较,在相同的实例数据下,其平均绝对误差为10.477 0,均方误差为1.672 4,结果表明使用卡尔曼滤波建立的模型比较准确,说明本文所提出的方法预测误差小,具有现实的应用意义.

引用

页码：154 / 159

页数：6

共 10 条

[1] 短时公交客流小波预测方法研究 [J].

刘凯 ;

李文权 ;

赵锦焕 .

交通运输工程与信息学报, 2010, (02) :111-117

[2] 基于客流n日均量的地铁客流量的时间序列分析 [J].

郝勇 ;

朱海燕 .

铁道运输与经济, 2009, (10) :42-46+50

[3] 基于神经网络的城市交通流预测研究 [J].

马君 ;

刘小冬 ;

孟颖 .

电子学报, 2009, 37 (05) :1092-1094

[4] 用于回归估计的支持向量机方法 [J].

杜树新 ;

吴铁军 .

系统仿真学报, 2003, (11) :1580-1585+1633

[5] 基于卡尔曼滤波的高速道路行程时间动态预测 [J].

杭明升 ;

杨晓光 ;

彭国雄 .

同济大学学报(自然科学版), 2002, (09) :1068-1072

[6] 公交线路客流模糊神经网络预测模型 [J].

杨新苗 ;

王炜 ;

顾维平 ;

周明保 .

公路交通科技, 2000, (04) :38-40+46

[7] 基于卡尔曼滤波理论的交通流量实时预测模型 [J].

杨兆升 ;

朱中 .

中国公路学报, 1999, (03) :63-67

[8] Urban traffic flow prediction using a fuzzy-neural approach [J].

Yin, HB ;

Wong, SC ;

Xu, JM ;

Wong, CK .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2002, 10 (02) :85-98

[9] Combining kohonen maps with arima time series models to forecast traffic flow [J].

vanderVoort, M ;

Dougherty, M ;

Watson, S .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 1996, 4 (05) :307-318

[10]

Nonparametric Regression and Short＆hyphen;Term Freeway Traffic Forecasting[J] . Gary A. Davis,Nancy L. Nihan.Journal of Transportation Engineering . 1991 (2)

← 1 →