公交行程时间预测：一种对数正态自回归（AR）建模方法

在城市地区，提供关于公交到达时间的实时信息已变得不可或缺，以使系统更友好并优于其他多种交通方式。然而，在动态变化的交通条件下，尤其在无车道纪律的异质交通条件下，准确预测公交到达时间仍是一项挑战。多年来研究者广泛采用的一种方法是：将整条公交线路划分为若干路段，并以这些路段行程时间（来自 GPS 轨迹）作为预测的数据输入。本文采用该方法，并提出充分挖掘公交 GPS 数据时间相关性的预测建模方法。具体而言，我们提出两种途径：（a）采用季节性 AR 模型的经典时间序列方法；（b）非常规的线性、非平稳 AR 方法。第二种方法是新技术，并利用偏相关概念从数据中学习。对本文所用的印度条件下数据的边际分布详细分析显示其 predominantly 呈对数正态行为。我们将此特性纳入上述预测模型，并采用对数正态意义下统计最优的预测方案进行所有预测。上述两种时间预测建模方法均在各路段独立地向前预测。然而对于实时公交行程时间预测，需要向前在空间上跨多个路段预测。为达成完整解决方案，本研究还提出一种基于上述任一时间模型的智能流程，用于执行（实时）多路段前向行程时间预测。结果显示所提方法在预测精度上有明显提升。