基于粒子滤波的公交车辆到站时间预测研究

交通运输系统工程与信息 ›› 2016, Vol. 16 ›› Issue (6): 142-146.

基于粒子滤波的公交车辆到站时间预测研究

任远，吕永波，马继辉*，陈鑫杰，余明捷

北京交通大学交通运输学院，北京100044

收稿日期:2016-01-26 修回日期:2016-09-11 出版日期:2016-12-25 发布日期:2016-12-26
作者简介:任远（1975-），男，江苏徐州人，讲师，博士生.
基金资助:
科技部“863”计划/ Ministry of Science and Technology 863 Plan（2015AA124103）.

Bus Arrival Time Prediction Based on Particle Filter

REN Yuan, LV Yong-bo, MAJi-hui, CHEN Xin-jie, YU Ming-jie

School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China

Received:2016-01-26 Revised:2016-09-11 Online:2016-12-25 Published:2016-12-26

摘要/Abstract

摘要：

准确预测公交车辆到站时间对于改善公交服务水平、提升公交吸引力、缓解交通拥堵具有重要意义.公交车辆到站时间受到实际路面情况影响很大，粒子滤波算法对于这种非线性、非高斯的随机系统具有很好的适用性.因此本文探索性地应用粒子滤波算法建立公交车辆到站时间预测模型(BAT-PF)，并以北京市公交300 路内环线位置数据为基础，选取高峰和平峰时刻进行实例研究，并将预测结果与卡尔曼滤波算法所得预测结果进行对比分析.结果表明，本文建立的公交车辆到站时间粒子滤波预测模型具有更好的适用性和稳定性，而且预测精度高.

关键词: 城市交通, 适用性, 粒子滤波, 公交到站时间, 卡尔曼滤波, 卫星定位数据

Abstract:

Providing accurate bus arrival time (BAT) can help to improve the service quality of a transit system, enhance bus attractiveness and ease traffic jams. BAT is greatly influenced by the complex road conditions, particle filter algorithm can be well applied to this kind of nonlinear and non-Gaussian systems. Therefore, a BAT based on particle filter algorithm prediction model (BAT-PF) is proposed tentatively. Then, based on the location data, a case study of the inner line 300 of Beijing is conducted. Bus arrival time during the morning peak hours and off-peak hours are forecasted by both the BAT-PF and the Kalman filter (KF). The results show that the BAT-PF is more applicable and stable to predict bus arrival time and has a higher accuracy.

Key words: urban traffic, applicability, particle filter, bus arrival time, Kalman filter, Satellite positioning data

中图分类号:

U491.17

任远，吕永波，马继辉，陈鑫杰，余明捷. 基于粒子滤波的公交车辆到站时间预测研究[J]. 交通运输系统工程与信息, 2016, 16(6): 142-146.

REN Yuan, LV Yong-bo, MAJi-hui, CHEN Xin-jie, YU Ming-jie. Bus Arrival Time Prediction Based on Particle Filter[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(6): 142-146.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19308.shtml

http://www.tseit.org.cn/CN/Y2016/V16/I6/142

参考文献

[1] 汪磊，左忠义.基于MLR 的公交车行程时间预测模型[J].大连交通大学学报, 2015, 36(2): 1-5. [WANG L, ZUO Z Y. Bus travel time prediction based on MLR[J]. Journal of Dalian Jiaotong University, 2015, 36(2): 1-5.]

[2] 杨兆升，朱中.基于BP神经网络的路径行程时间实时预测模型[J]. 系统工程理论与实践, 1999, 19(8)：59- 64. [YANG Z S, ZHU Z. Real-time prediction of bus travel time based on BP artificial neural network [J]. System Engineering - Theory & Practice, 1999, 19(8)： 59-64.]

[3] KUMAR B A, et al. Pattern-based travel time prediction under heterogeneous traffic conditions[C]. Transportation Research Board 93rd Annual Meeting, 2014.

[4] JEONG R, RILETT L R. Bus arrival time prediction using artificial neural network model[C]. 2004 IEEE Intelligent Transportation Systems Conference, 2004: 988-993.

[5] LIN Y, YANG X, et al. Real- time bus arrival time prediction: case study for Jinan, China[J]. Journal of Transportation Engineering, 2014, 139(11): 1133-1140.

[6] CHEN M, LIU X B, XIA J X. A dynamic bus-arrival time prediction model based on APC data[J]. Computer- Aided Civil and Infrastructure Engineering, 2004(19): 364-376.

[7] YU B, YE T, et al. Bus travel-time prediction with a forgetting factor[J]. Journal of Computing in Civil Engineering, 2014, 28(3).

[8] 陈旭梅，龚辉波，王景楠. 基于SVM和Kalman滤波的 BRT行程时间预测模型研究[J]. 交通运输系统工程与信息，2012，12(4): 29-34. [CHEN X M, GONG X B, WANG J N. BRT vehicle travel time prediction based on SVM and Kalman filter[J]. Journal of Transportation Systems Engineering and Information Technology, 2012， 12(4): 29-34.]

[9] MIHAYLOVA L, BOEL R. A particle filter for freeway traffic estimation[C]. IEEE Conference on Decision & Control, 2005(2)：608-616.

[10] CHEN H, RAKHA H A, SADEK S. Real-time freeway traffic state prediction: A particle filter approach[C]. IEEE Conference on Intelligent Transportation Systems, 2011: 626-631.

[11] BI J, CHANG C, FAN Y. Particle filter for estimating freeway traffic state in Beijing[J]. Mathematical Problems in Engineering, 2013, 70(2): 717-718.

[12] 朱志宇. 粒子滤波算法及其应用[M]. 北京：科学出版社，2010. [ZHU Z Y. Particle filtering algorithm and application[M]. Beijing: Science Press, 2010.]

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[4]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[5]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[6]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[7]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[8]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[9]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[10]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[11]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[12]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[13]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.
[14]	牟振华, 汪寒冰, 林本江, 陈逸群, 金程程, 陈艳艳. 基于演化博弈的违章停车动态罚金策略效用仿真评价[J]. 交通运输系统工程与信息, 2022, 22(1): 152-162.
[15]	贾富强, 李引珍, 杨信丰, 马昌喜, 代存杰. 基于演化博弈的政府鼓励条件下共享停车行为分析[J]. 交通运输系统工程与信息, 2022, 22(1): 163-170.