基于GM模型的IC卡分时段客流预测

论文摘要

随着中国智能公共系统的快速发展,公交IC卡以其具有可靠、方便、快捷等优势得到广泛应用。城市公共交通实现智能化的关键是把握客流的变化规律,因此如何利用IC卡数据来推算公交客流信息,具有很强的现实意义和实用价值。本文论述了数据采集方法、客流预测和灰色模型的理论知识,研究和验证了基于GM模型的客流预测方法。论文中比较了公交客流数据采集的四种方法的优缺点,指出公交IC卡数据采集法的实用性和优越性,介绍公交IC卡数据和其他公交基础数据的结构。为了准确科学的预测同一时段的公交客流量,本文提出了利用修正的灰色残差GM(1,1)模型进行预测的方法。利用同一条公交线路的公交IC卡历史刷卡数据建立灰色残差GM(1,1)模型,通过确定白化方程的系数来确定公交客流时间响应序列,利用灰色微分方程的时间响应序列获得还原值的表达式,从而能得到单条线路的同一时段的公交客流量的发展序列,再结合影响公交客流量的多种因素,对获得的各发展序列进行修正,最终求得修正的预测值,并通过济南市的客流历史数据进行验证。实例证明该预测模型具有较高的预测精度,能够为公交管理决策者提供方向与指导。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 背景和意义
• 1.1.2 问题提出
• 1.2 国内外研究现状
• 1.2.1 公交IC卡数据分析
• 1.2.2 公交客流预测
• 1.2.3 灰色系统理论
• 1.3 本文的内容安排
• 2. 公交数据采集方法及数据预处理
• 2.1 公交信息数据采集方法
• 2.1.1 基于人工调查的数据采集方法
• 2.1.2 基于图像的数据采集方法
• 2.1.3 基于自动乘客计数的数据采集方法
• 2.1.4 基于公交IC卡的数据采集方法
• 2.2 数据预处理
• 2.3 本章小结
• 3. 灰色系统理论及预测模型比较
• 3.1 灰色系统理论
• 3.1.1 灰色系统的研究内容
• 3.1.2 灰色生成
• 3.2 模型比较
• 3.2.1 微分方程模型
• 3.2.2 时间序列法
• 3.2.3 BP神经网络模型
• 3.2.4 灰色预测理论模型
• 3.3 本章小结
• 4 GM（1,1）建模机理及精度检验
• 4.1 模型的假设
• 4.2 时段划分
• 4.3 GM（1,1）模型机理
• 4.4 GM（1,1）模型检验
• 4.5 本章小结
• 5. 实例分析验证
• 5.1 数据选择
• 5.2 GM（1,1）模型的建立
• 5.3 GM（1,1）模型的检验
• 5.4 同时段的公交客流量预测
• 5.5 本章小结
• 6. 结论与展望
• 6.1 本文主要工作及结论
• 6.2 进一步工作的展望
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表