论文部分内容阅读
随着城市的快速发展,城市交通问题日益严重,迫使人们优先发展城市公共交通。与此同时,国内对公交行车时刻表的编制普遍还停留在手工编制阶段,该方法繁琐而复杂,需要耗费大量的时间,且难以进行快速调整。另外,公交公司在新线路规划之初,需要获得公交车队规模,其一般是在手工编制的行车时刻表的基础上进行计算,该方法效率低下。针对传统公交车队规模计算方法的不足,在不需要公交行车时刻表的前提下,本文总结单线路规划的特征向量,提出基于相关向量机(Relevance Vector Machine,RVM)的公交车队规模预测方法。该方法与经典的预测方法(如:支持向量回归机(Support Vector Regression,SVR)等)相比,具有模型更稀疏、预测时间更短等优点,并且适用于小样本的情况。本文主要内容如下:1、现有公交线路缺乏完整的规划参数,本文根据公交单线路规划的特点和行车时刻表,提取相关规划参数,并总结了线路规划的特征向量。2、基于上述所总结的特征向量,构建基于单核RVM模型进行公交车队规模的预测,并采用遗传算法(Genetic Algorithm,GA)对单核RVM所用核函数的核参数进行优化。3、由于单核RVM方法对数据敏感性较高,泛化能力以及鲁棒性差。本文基于多核混合思想,提出了多核RVM模型。该模型通过多个单核RVM线性组合的方法来预测公交车队规模,并采用GA进行线性组合系数的优化。实验结果表明该方法与单核RVM方法相比,具有预测精度更高、泛化能力更强等优点。4、由于公交线路随时间的推移而逐渐规划,是一个增量式的过程,因此本文在Tipping提出的快速边际似然算法的基础上,构建在线学习模型,并将其应用于公交车队规模预测。5、为了与上述的RVM预测方法做比较,本文设计了一个启发式的行车时刻表编制算法,然后基于逆差函数计算所需公交车队规模。另外,开发了一个基于SSH框架的Web应用系统,将行车时刻表编制算法整合到系统之中。结果表明,该算法复杂且需要人工再优化,虽然其计算准确,但在时效性上远低于基于RVM的预测方法。本文面向厦门公交的线路规划,从厦门无线城市掌上公交系统上获取公交线路的规划参数和行车时刻表,计算和提取相关特征,并对提出的公交车队规模预测方法进行实验分析。实验结果表明:本文提出的方法能较准确地预测公交车队规模。