基于馬爾科夫鏈的公交站間行程時間預測算法＊

胡繼華 李國源 程智鋒

（1.中山大學工學院 廣州市510006；2.廣東省智能交通系統重點實驗室 廣州510006）

0 引 言

優先發展公交系統是提高城市交通資源利用效率，緩解交通擁堵的重要手段。城市公交行程時間具有明顯的時段分布特征，尤其是早晚高峰與平峰時段的公交行程時間各不相同，導致公交到站時間間隔不均勻、可靠性下降、候車時間過長、載客率差異大等諸多問題，影響了乘客乘坐公交的意愿［1］。研究公交車輛行程時間預測方法，對于提高公交車輛時間可靠性、公交車輛調度、提高公交資源利用率及吸引人群采用公交出行等具有重要意義。

公交車輛行程時間預測方法包括歷史趨勢方法預測、多元回歸法預測模型、人工神經網絡模型、卡爾曼濾波模型、非參數回歸模型預測方法及支持向量機模型等。

基于歷史數據的預測模型是通過對同一時段的大量歷史數據取平均值進行預測，其預測精度較低，但算法及校正簡單，實際應用廣泛。陳巳康等［2］通過研究公交車路段平均運行速度來確定路段行程時間。

回歸模型研究－系列自變量與因變量之間的關系。周雪梅等［3］提出了多元回歸公交行程時間分析預測模型，并利用威海市的公交數據對該分析預測模型進行驗證。魏華等［4］通過研究公交行程時間與道路路段實時交通量的關系，從而確定預測模型。

人工神經網絡是由大量的節點（神經元）及其之間的相互聯接構成的1種運算模型。……