基于GM模型的IC卡分时段客流预测
|
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。
With the rapid development of intelligent transport system in China, traffic intelligent card is widely used thanks to its reliability, convenience, rapidity and other advantages. The crucial part for advanced urban public transport management is to seize change pattern of passenger flow. Therefore, it is of great practical significance and social value to calculate passenger flow information through analysis of IC data.
This paper discusses the methods of data collection and the theoretical knowledge of passenger flow forecasting and gray model, researches and validates the methods of passenger flow forecasting based on GM model. This paper compares four methods of bus passenger data collection and points out the practicality and superiority of IC data acquisition.
A method using residual GM model (GM1,1) for prediction is considered to forecast passenger volume in same period of a day accurately and scientifically. GM1,1 model based on IC data collected by single bus route is obtained. By determining coefficients of white equation, response time sequence of bus passenger volume is determined. Using response time sequence of gray differential equation to obtain restored value, development sequence of interval based passenger volume of a single bus route is established. Taking a variety of factors which influence bus passenger volume into consideration, development sequence is revised. Finally, the revised predicted value sequence is obtained.
Numerical studies are made using IC data of bus passenger volume of JINAN city, to receive bus passenger volume prediction. It is shown that prediction model in this paper has high prediction accuracy; as a result, provides guidance to decision-makers of bus management.
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。
With the rapid development of intelligent transport system in China, traffic intelligent card is widely used thanks to its reliability, convenience, rapidity and other advantages. The crucial part for advanced urban public transport management is to seize change pattern of passenger flow. Therefore, it is of great practical significance and social value to calculate passenger flow information through analysis of IC data.
This paper discusses the methods of data collection and the theoretical knowledge of passenger flow forecasting and gray model, researches and validates the methods of passenger flow forecasting based on GM model. This paper compares four methods of bus passenger data collection and points out the practicality and superiority of IC data acquisition.
A method using residual GM model (GM1,1) for prediction is considered to forecast passenger volume in same period of a day accurately and scientifically. GM1,1 model based on IC data collected by single bus route is obtained. By determining coefficients of white equation, response time sequence of bus passenger volume is determined. Using response time sequence of gray differential equation to obtain restored value, development sequence of interval based passenger volume of a single bus route is established. Taking a variety of factors which influence bus passenger volume into consideration, development sequence is revised. Finally, the revised predicted value sequence is obtained.
Numerical studies are made using IC data of bus passenger volume of JINAN city, to receive bus passenger volume prediction. It is shown that prediction model in this paper has high prediction accuracy; as a result, provides guidance to decision-makers of bus management.
引文
[1]戴霄,陈学武.单线公交线路的IC卡数据分析处理方法[J].城市交通,2005,3(4)：73-76。
[2]师富民.基于IC卡数据的公交OD矩阵构造方法研究.吉林大学硕士学位论文[D],2004：11-39。
[3]王炜,孙俊.大型交通网络OD矩阵推算方法研究[J].东南大学学报,1996,26-6：47-54。
[4]陈学武,戴霄,陈茜.公交IC卡信息采集、分析与应用研究[J].土木工程学报,2004,37-2：105-110。
[5]陆小锋,陆亨立,张芳琴.GPRS与GPS在汽车信息服务系统中的设计应用[J].微计算机信息,2005,25-3：188-190。倪长健.免疫进化算法研究及其在水问题中的应用[D],四川大学博士论文,2003：50—51
[6]周明,孙树栋.遗传算法原理及应用[M].北京：国防工业出版社,1999
[7]李跃鹏,安涛.基于遗传算法的公交车辆智能排班研究[J],交通运输系统工程与信息,2003,3(1),41—45
[8]王小平,曹立明.遗传算法理论、应用与软件实现[M].西安：西安交通大学出版社,2002
[9]孙爱充.公交客流预测方法研究[J].北京规划建设,1999,6
[10]严宝杰.交通调查与分析仁[M].北京：人民交通出版社,1997.
[11]戴霄.基于公交IC信息的公交数据分析方法研究[D].南京：东南大学,
[12]路智宁.对IC卡交易数据的挖掘和分析[D].广州：广州工业大学,2005
[13]师富民.基于IC卡数据的公交OD矩阵构造方法研究[D].长春：吉林大通学院,2004.
[14]戴霄,陈学武.单条公交线路的IC卡数据分析处理方法[J].城市交通,
[15]戴霄,陈学武,李文勇.公交IC卡信息处理的数据挖掘技术研究[J].交通算机,2006(1).
[16]谢嘉孟,彭宏,周兵,杨东辉.基于数据挖掘技术的智能交通信息分析与研究[J].公路,2004(4).
[17]魏宏业,吕永波,刘志硕.基于数据挖掘的智能交通系统的决策方法究[J通运输系统工程与信息,2003(2).
[18]杨兆升,朱中.基于卡尔曼滤波理论的交通流实时预测模型[J].中国公路Vol.12,No.3,1999.
[19]朱中,杨兆升.实时交通流量人工神经网络预测模型[J].中国公路学报,
[20]孙喜梅.交通信息的组合预测方法[D].吉林大学交通学院.2003.
[21]安淑芝.数据仓库与数据挖掘[M].北京：清华大学出版社.2005,6.W HInmon. Building the Data Warehouse[M]. New york, John Wiley&Sons,1996Paulraj Ponniah.数据仓库基础[M].段云峰等译.北京：电子工业出版社,2004Mehmed Kantardzic.数据挖掘——概念、模型、方法和算法[M].闪四清等译.北京：清华大学出版社,2003.郑建国,周明全,耿国华.智能数据挖掘理论体系研究[J].西安电子科技大学学报,2004,31(1)：143～147.
[22]M.S. Chen, J. S. Park,and P.S.Yu. Efficient data mining for path traversal patternin a web environment[C]. In 16th International Conference on Distributed ComputinSystems,1996.
[23]Mannila H, Toivonen H, Verkamo I. Efficient Algorithm for Discovering AssociatioRules[J]. KDD-94:AAAI Workshop on Knowledge Discovery in Database, 1994Michael Goebel, Le Gruenwald. A survey of data mining and knowledge discover software tools[J]. ACM SIGKDD,1999, Voll(Issuel):20-33. Joseph L. Breault. Data mining a diabetic data warehouse[M]. Proqeuest MedicaLibrary-ProQuest.
[24]毛国军,段立娟,王实,石云.数据挖掘原理与算法[M].北京：清华大学出版社,2005,7.
[25]阎平凡.人工神经网络与模拟进化计算[M].北京：清华大学出版社,2000.
[26]蒋宗礼.人工神经网络导论[M].高等教育出版社,2001.
[27]胡金滨,唐旭清.人工神经网络的BP算法及其应用[J].信息技术.2004(4)1-
[28]姚宝珍,于艳弘,于滨.公交IC卡收费系统与客流数据采集、处理[J].长春工业大学学报.2005,9.
[29]田永青等.基于SQL Server的数据仓库的建立和分析[J].电子技术.2001.
[30]高敏.数据挖掘应用现状与产品分析[J].微计算机应用,2002,23(5).
[31]陈文伟.数据仓库与数据挖掘教程[M].北京：清华大学出版社,2006.
[32]彭木根,数据仓库技术与实现[M].北京,电子工业出版社,2002.
[33]苏新宁,杨建林等.数据仓库和数据挖掘[M].北京,清华大学出版社,2006.
[34]陈越,郭渊博.数据仓库分析、构建实用指南[M].北京机械工业出版,2000：88-9
[35]林宇.数据仓库原理与实践[M].北京：人民邮电出版社,2003.
[36]王克龙,王龙,王平立.数据仓库中ETL技术的探讨与实践[J].计算机应用与软件.2005,22(11)：30～33.
[37]冯艳春.基于公交IC卡数据的公交规划方法研究[D].长春：吉林大学,2005
[38]宋振会.SQL Server 2000中文版基础教程[M].北京：清华大学出版社,2005
[39]梅振宇,王炜,等.高速公路交通生成预测的改进灰色马尔可夫模型[J]公路交通科技,2004,21(12)：89-92
[40]姜华平,陈海泳.城市公交客运量的预测模型研究[J]统计与决策,2005(12)：30-32
[41]刘思峰,党耀国,方志耕.灰色系统理论及其应用[M]北京：科学出版社,2004
[42]陈学武,葛宏伟,王炜.城市公交优先发展的对策研究[J]现代城市研究,2004(1)：34-36
[43]杨新苗,王炜,等公交线路客流模糊神经网络预测模型[J]公路交通科技,2000,17(4)：43-46
[44]王炜,杨新苗,陈学武,等.城市公共交通系统规划方法与管理技术[M]北京：科学出版社,2002
[45]盖春英,裴玉龙公路货运量灰色模型(马尔可夫链预测方法研究[J]中国公路学报,2003,16(3)：113-116
[46]林晓言,陈有孝.基于灰色-马尔可夫链改进方法的铁路货运量预测研究[J]铁道学报,2005,27(3)：15-19
[47]孙爱充：公交客流预测方法研究[J]城市交通,1999(6)32-33
[48]邓聚龙：灰理论基础[M]武汉：华中科技大学出版社,2002
[49]王进,史其信.短时交通流预测模型综述[J].智能交通,2005,6(1)：92-98.
[50]杨新苗,王炜,顾维平,等.公交线路客流模糊神经网络预测模型[J].公路交通科技,2008,17(8)：37-40.
[51]Hussein Dia. An objective-oriented neural networkapproach to short-tern traffic forecasting[J]. EuropeanJournal of Operational Research,2001, (131):253-261.
[52]唐明,黄中祥.短时交通流特性及其预测方法研究[D].长沙：长沙理工大学,2004.
[53]Amjady N., Keynia F.. Short-term load forecastingof power systems by combination of wavelet transformand neuro-evolutionary algorithm [J]. Energy,2009, (34):46-57.
[54]Sharmishtha Mitra, Amit Mitra. Modeling exchangerates using wavelet decomposed genetic neuralnetworks[J]. Statistical Methodology,2006(3):103-124.
[55]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].武汉：武汉大学出版社2002.
[56]葛哲飞,沙威.小波分析理论与MATLABR2007实现[M].北京：电子工业出版社,2007.
[57]张善文,雷英杰,冯有前.MATLAB在时间序列分析中的应用[M].西安：西安电子科技大学出版社,2007.
[58]闻新,周露等MATLAB(?)神经网络仿真与应用(M].北京,科学出版社,2003
[59]刘思峰,谢乃明.灰色系统理论及其应用CM].北京：科学出版社,2008：95—122.
[60]邓聚龙.灰色预测与决策[M].武汉：华中工学院出版社,1986：214—313.
[61]导向科技.MATI_,AB6.0程序设计与实例应用[M].北京：中国铁道出版社,2001.
[62]罗晓玲,周建新,王玉兰.基于GM(1,1)模型在高等学校招生人数预测中的应用研究——以四川省普通高校为例[J].贵州大学学报：自然科学版,2008,25(4)：342—345.
[63]邓聚龙,灰色控制系统,武汉：华中工学院出版社,1985
[64]杨新苗,王炜,尹红亮,武勇.公交调度峰值曲线的优化方法[J1.东南大学学 报(自然科学版)2001.
[65]闻新,周露等MATLAB神经网络仿真与应用[M].北京,科学出版社,2003.
[2]师富民.基于IC卡数据的公交OD矩阵构造方法研究.吉林大学硕士学位论文[D],2004：11-39。
[3]王炜,孙俊.大型交通网络OD矩阵推算方法研究[J].东南大学学报,1996,26-6：47-54。
[4]陈学武,戴霄,陈茜.公交IC卡信息采集、分析与应用研究[J].土木工程学报,2004,37-2：105-110。
[5]陆小锋,陆亨立,张芳琴.GPRS与GPS在汽车信息服务系统中的设计应用[J].微计算机信息,2005,25-3：188-190。倪长健.免疫进化算法研究及其在水问题中的应用[D],四川大学博士论文,2003：50—51
[6]周明,孙树栋.遗传算法原理及应用[M].北京：国防工业出版社,1999
[7]李跃鹏,安涛.基于遗传算法的公交车辆智能排班研究[J],交通运输系统工程与信息,2003,3(1),41—45
[8]王小平,曹立明.遗传算法理论、应用与软件实现[M].西安：西安交通大学出版社,2002
[9]孙爱充.公交客流预测方法研究[J].北京规划建设,1999,6
[10]严宝杰.交通调查与分析仁[M].北京：人民交通出版社,1997.
[11]戴霄.基于公交IC信息的公交数据分析方法研究[D].南京：东南大学,
[12]路智宁.对IC卡交易数据的挖掘和分析[D].广州：广州工业大学,2005
[13]师富民.基于IC卡数据的公交OD矩阵构造方法研究[D].长春：吉林大通学院,2004.
[14]戴霄,陈学武.单条公交线路的IC卡数据分析处理方法[J].城市交通,
[15]戴霄,陈学武,李文勇.公交IC卡信息处理的数据挖掘技术研究[J].交通算机,2006(1).
[16]谢嘉孟,彭宏,周兵,杨东辉.基于数据挖掘技术的智能交通信息分析与研究[J].公路,2004(4).
[17]魏宏业,吕永波,刘志硕.基于数据挖掘的智能交通系统的决策方法究[J通运输系统工程与信息,2003(2).
[18]杨兆升,朱中.基于卡尔曼滤波理论的交通流实时预测模型[J].中国公路Vol.12,No.3,1999.
[19]朱中,杨兆升.实时交通流量人工神经网络预测模型[J].中国公路学报,
[20]孙喜梅.交通信息的组合预测方法[D].吉林大学交通学院.2003.
[21]安淑芝.数据仓库与数据挖掘[M].北京：清华大学出版社.2005,6.W HInmon. Building the Data Warehouse[M]. New york, John Wiley&Sons,1996Paulraj Ponniah.数据仓库基础[M].段云峰等译.北京：电子工业出版社,2004Mehmed Kantardzic.数据挖掘——概念、模型、方法和算法[M].闪四清等译.北京：清华大学出版社,2003.郑建国,周明全,耿国华.智能数据挖掘理论体系研究[J].西安电子科技大学学报,2004,31(1)：143～147.
[22]M.S. Chen, J. S. Park,and P.S.Yu. Efficient data mining for path traversal patternin a web environment[C]. In 16th International Conference on Distributed ComputinSystems,1996.
[23]Mannila H, Toivonen H, Verkamo I. Efficient Algorithm for Discovering AssociatioRules[J]. KDD-94:AAAI Workshop on Knowledge Discovery in Database, 1994Michael Goebel, Le Gruenwald. A survey of data mining and knowledge discover software tools[J]. ACM SIGKDD,1999, Voll(Issuel):20-33. Joseph L. Breault. Data mining a diabetic data warehouse[M]. Proqeuest MedicaLibrary-ProQuest.
[24]毛国军,段立娟,王实,石云.数据挖掘原理与算法[M].北京：清华大学出版社,2005,7.
[25]阎平凡.人工神经网络与模拟进化计算[M].北京：清华大学出版社,2000.
[26]蒋宗礼.人工神经网络导论[M].高等教育出版社,2001.
[27]胡金滨,唐旭清.人工神经网络的BP算法及其应用[J].信息技术.2004(4)1-
[28]姚宝珍,于艳弘,于滨.公交IC卡收费系统与客流数据采集、处理[J].长春工业大学学报.2005,9.
[29]田永青等.基于SQL Server的数据仓库的建立和分析[J].电子技术.2001.
[30]高敏.数据挖掘应用现状与产品分析[J].微计算机应用,2002,23(5).
[31]陈文伟.数据仓库与数据挖掘教程[M].北京：清华大学出版社,2006.
[32]彭木根,数据仓库技术与实现[M].北京,电子工业出版社,2002.
[33]苏新宁,杨建林等.数据仓库和数据挖掘[M].北京,清华大学出版社,2006.
[34]陈越,郭渊博.数据仓库分析、构建实用指南[M].北京机械工业出版,2000：88-9
[35]林宇.数据仓库原理与实践[M].北京：人民邮电出版社,2003.
[36]王克龙,王龙,王平立.数据仓库中ETL技术的探讨与实践[J].计算机应用与软件.2005,22(11)：30～33.
[37]冯艳春.基于公交IC卡数据的公交规划方法研究[D].长春：吉林大学,2005
[38]宋振会.SQL Server 2000中文版基础教程[M].北京：清华大学出版社,2005
[39]梅振宇,王炜,等.高速公路交通生成预测的改进灰色马尔可夫模型[J]公路交通科技,2004,21(12)：89-92
[40]姜华平,陈海泳.城市公交客运量的预测模型研究[J]统计与决策,2005(12)：30-32
[41]刘思峰,党耀国,方志耕.灰色系统理论及其应用[M]北京：科学出版社,2004
[42]陈学武,葛宏伟,王炜.城市公交优先发展的对策研究[J]现代城市研究,2004(1)：34-36
[43]杨新苗,王炜,等公交线路客流模糊神经网络预测模型[J]公路交通科技,2000,17(4)：43-46
[44]王炜,杨新苗,陈学武,等.城市公共交通系统规划方法与管理技术[M]北京：科学出版社,2002
[45]盖春英,裴玉龙公路货运量灰色模型(马尔可夫链预测方法研究[J]中国公路学报,2003,16(3)：113-116
[46]林晓言,陈有孝.基于灰色-马尔可夫链改进方法的铁路货运量预测研究[J]铁道学报,2005,27(3)：15-19
[47]孙爱充：公交客流预测方法研究[J]城市交通,1999(6)32-33
[48]邓聚龙：灰理论基础[M]武汉：华中科技大学出版社,2002
[49]王进,史其信.短时交通流预测模型综述[J].智能交通,2005,6(1)：92-98.
[50]杨新苗,王炜,顾维平,等.公交线路客流模糊神经网络预测模型[J].公路交通科技,2008,17(8)：37-40.
[51]Hussein Dia. An objective-oriented neural networkapproach to short-tern traffic forecasting[J]. EuropeanJournal of Operational Research,2001, (131):253-261.
[52]唐明,黄中祥.短时交通流特性及其预测方法研究[D].长沙：长沙理工大学,2004.
[53]Amjady N., Keynia F.. Short-term load forecastingof power systems by combination of wavelet transformand neuro-evolutionary algorithm [J]. Energy,2009, (34):46-57.
[54]Sharmishtha Mitra, Amit Mitra. Modeling exchangerates using wavelet decomposed genetic neuralnetworks[J]. Statistical Methodology,2006(3):103-124.
[55]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].武汉：武汉大学出版社2002.
[56]葛哲飞,沙威.小波分析理论与MATLABR2007实现[M].北京：电子工业出版社,2007.
[57]张善文,雷英杰,冯有前.MATLAB在时间序列分析中的应用[M].西安：西安电子科技大学出版社,2007.
[58]闻新,周露等MATLAB(?)神经网络仿真与应用(M].北京,科学出版社,2003
[59]刘思峰,谢乃明.灰色系统理论及其应用CM].北京：科学出版社,2008：95—122.
[60]邓聚龙.灰色预测与决策[M].武汉：华中工学院出版社,1986：214—313.
[61]导向科技.MATI_,AB6.0程序设计与实例应用[M].北京：中国铁道出版社,2001.
[62]罗晓玲,周建新,王玉兰.基于GM(1,1)模型在高等学校招生人数预测中的应用研究——以四川省普通高校为例[J].贵州大学学报：自然科学版,2008,25(4)：342—345.
[63]邓聚龙,灰色控制系统,武汉：华中工学院出版社,1985
[64]杨新苗,王炜,尹红亮,武勇.公交调度峰值曲线的优化方法[J1.东南大学学 报(自然科学版)2001.
[65]闻新,周露等MATLAB神经网络仿真与应用[M].北京,科学出版社,2003.