基于行程时间预测的城市公交导航服务系统及其关键技术

基于行程时间预测的城市公交导航服务系统及其关键技术

论文摘要

本文通过分析国内外城市公共交通智能系统的发展现状以及城市公交服务系统的服务模式,发现城市公交导航系统中的行程时间预测是当前智能交通领域的一个开放性课题,而这对缓解交通压力、提倡绿色出行具有重要意义。针对城市公交导航系统的行程时间时效性特点,本文通过分析已有的行程时间预测模型,采用基于GPS的公交探测车行程时间数据采集方法,分别研究行程时间数据预处理、行程时间模型和路线平均行程时间模型,创新性地提出了适用于城市公交导航服务系统的基于统计分析的行程时间概率预测模型,为城市公交导航服务系统的行程时间预测提供了新的思路。本文研究表明,线路样本总体行程时间均值符合正态分布,可将总体行程时间均值的置信度、置信区间以及线路样本在各状态分析时段内的行程时间概率分布作为行程时间预测信息。本文以我国大中型城市的典型公交路线为验证对象,重点研究了普通和快速公交的行程时间预测案例,验证了本文提出的行程时间概率预测模型的可行性和可靠性。本文重点突破传统行程时间预测模型、行程时间数据预处理、城市公交拓扑网络关键元素建模等理论和技术难题,提出了基于最小换乘次数的公交换乘算法,并通过设计、构建和实现城市公交导航服务系统,最终解决了城市公交导航服务系统的路径导航及行程时间预测问题。最后,基于Java EE、EJB架构以及XML中间件平台,本文分别实现了基于Client/Server架构的城市公交导航服务系统PTNS-Engine、PTNS-QAS软件平台。

论文目录

  • 摘要
  • ABSTRACT
  • 符号说明
  • 第一章 绪论
  • 1.1 问题的提出及研究意义
  • 1.2 城市公共交通智能系统国内外研究现状
  • 1.2.1 国外研究现状
  • 1.2.2 国内研究现状
  • 1.3 已有行程时间预测研究综述及分析
  • 1.3.1 已有行程时间预测模型研究
  • 1.3.2 已有行程时间预测模型分析
  • 1.4 本文研究内容
  • 1.5 论文组织结构
  • 第二章 基于行程时间预测的城市公交导航服务系统
  • 2.1 城市公交导航服务系统概述
  • 2.2 城市公交导航服务系统中的行程时间预测
  • 2.3 城市公交导航服务系统架构
  • 2.4 城市公交导航服务系统相关理论及技术基础
  • 2.5 本章小结
  • 第三章 基于统计分析的行程时间概率预测模型研究
  • 3.1 基于GPS的公交探测车行程时间数据采集方法
  • 3.2 公交车行程时间数据采集
  • 3.2.1 典型探测线路选择
  • 3.2.2 行程时间采集结果
  • 3.3 基于统计分析的行程时间预测概率模型
  • 3.3.1 行程时间数据预处理
  • 3.3.2 行程时间模型
  • 3.3.3 路线的样本平均行程时间模型
  • 3.3.4 大样本行程时间数据理论分析
  • 3.3.5 行程时间概率分布估计
  • 3.3.6 基于统计分析的行程时间概率预测模型流程
  • 3.4 行程时间预测概率模型仿真及实际案例分析
  • 3.4.1 行程时间预处理结果
  • 3.4.2 路线平均行程时间模型仿真及验证
  • 3.4.3 基于统计分析的行程时间概率预测模型仿真及分析
  • 3.5 基于统计分析的行程时间概率预测模型的创新点
  • 3.6 本章小结
  • 第四章 城市公交导航服务系统的设计及其关键问题分析
  • 4.1 基于有向拓扑网络的城市公交系统关键元素建模
  • 4.2 城市公交导航服务系统数据表结构设计
  • 4.2.1 基础表结构设计
  • 4.2.2 关系表结构设计
  • 4.3 PTNS-Engine设计
  • 4.3.1 城市公交线路查询
  • 4.3.2 城市公交站点查询
  • 4.3.3 基于最小换乘次数的公交路由选择算法及其实现
  • 4.3.4 城市公交导航服务系统中的行程时间预测方法及实现
  • 4.4 PTNS-QAS设计
  • 4.5 本章小结
  • 第五章 城市公交导航服务系统的实现及验证
  • 5.1 系统概述
  • 5.2 PTNS-Engine开发及运行
  • 5.3 PTNS-QAS主窗口
  • 5.4 公交车次查询实现
  • 5.4.1 公交车次查询
  • 5.4.2 公交车次信息显示
  • 5.5 公交站点查询实现
  • 5.5.1 公交站点查询
  • 5.5.2 公交站点信息显示
  • 5.6 公交导航查询实现
  • 5.6.1 公交导航查询
  • 5.6.2 公交导航信息显示
  • 5.7 行程时间预测信息显示
  • 5.8 本章小结
  • 第六章 工作总结与展望
  • 6.1 研究成果总结
  • 6.2 研究的不足之处及需要进一步研究的内容
  • 6.2.1 研究的不足之处
  • 6.2.2 工作展望
  • 参考文献
  • 致谢
  • 攻读学位期间科研成果及参与项目
  • 附录A 济南市1路、BRT-1路的线路站点信息
  • 附录B PTNS-Engine查询的XML DTD描述
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].基于粒子群优化小波神经网络的行程时间预测[J]. 交通运输研究 2020(02)
    • [2].基于改进遗传卡尔曼算法的短时路段行程时间估计[J]. 山东交通学院学报 2020(01)
    • [3].基于边缘计算的道路行程时间预测[J]. 软件工程 2020(07)
    • [4].基于聚类分析的高速公路行程时间预测[J]. 计算机仿真 2019(02)
    • [5].基于门控递归单元神经网络的高速公路行程时间预测[J]. 应用数学和力学 2019(11)
    • [6].行程时间价值研究综述[J]. 北京工业大学学报 2018(03)
    • [7].网络行程时间可靠性评价方法与影响因素[J]. 交通运输工程学报 2018(04)
    • [8].微波检测器数据计算行程时间的方法[J]. 城市公共交通 2018(09)
    • [9].突发事件对城市道路交通系统影响的评价指标研究[J]. 公路 2017(03)
    • [10].基于行程时间的路网连通可靠度分析方法[J]. 西部交通科技 2017(05)
    • [11].基于概率密度演化理论的动态行程时间可靠性计算模型研究[J]. 管理工程学报 2017(03)
    • [12].道路拥堵程度对公交行程时间可靠性的影响研究[J]. 交通工程 2017(03)
    • [13].基于手机信令数据的高速公路行程时间估计[J]. 中国交通信息化 2017(10)
    • [14].弹性需求下路段行程时间波动的收敛性[J]. 交通运输系统工程与信息 2016(01)
    • [15].降雨对部队公路机动行程时间可靠性的影响[J]. 军事交通学院学报 2016(05)
    • [16].基于数据挖掘的高速公路行程时间预测[J]. 华中科技大学学报(自然科学版) 2016(08)
    • [17].基于随机松弛时间的行程时间可靠性计算模型[J]. 科学技术与工程 2015(08)
    • [18].短时路段行程时间分布预测方法研究[J]. 重庆交通大学学报(自然科学版) 2015(02)
    • [19].基于计算实验的城市道路行程时间预测与建模[J]. 自动化学报 2015(08)
    • [20].非常态下路段行程时间估计方法[J]. 吉林大学学报(工学版) 2013(06)
    • [21].基于蒙特卡罗法的路径行程时间可靠性分析[J]. 河南科技 2013(24)
    • [22].行程时间预测方法研究[J]. 软件学报 2020(12)
    • [23].城市路段出入口机动车驶入主路的行程时间模型[J]. 重庆理工大学学报(自然科学) 2018(11)
    • [24].基于梯度提升决策树的高速公路行程时间预测模型(英文)[J]. Journal of Southeast University(English Edition) 2019(03)
    • [25].车辆构成比例与行程时间可靠性关系研究[J]. 青海交通科技 2019(05)
    • [26].基于梯度提升回归树的城市道路行程时间预测[J]. 浙江大学学报(工学版) 2018(03)
    • [27].基于极值分布的常态下高速公路行程时间可靠性模型[J]. 北京工业大学学报 2016(09)
    • [28].基于路段变异系数的路径行程时间可靠度评价[J]. 道路交通与安全 2015(01)
    • [29].基于行程时间可靠性的交通影响范围确定方法研究[J]. 公路 2015(03)
    • [30].高速公路行程时间可靠性评价体系及指标阈值标定[J]. 交通信息与安全 2014(01)

    标签:;  ;  ;  ;  

    基于行程时间预测的城市公交导航服务系统及其关键技术
    下载Doc文档

    猜你喜欢