高频城市公交网络中的鲁棒实时延误预测

由于高度随机的交通环境，为出行用户和运营商提供准确的行程时间预测具有挑战性。公共交通用户对意外的等待时间尤为敏感，这会负面影响他们对系统可靠性的感知。本文开发了一种鲁棒的实时公交行程时间预测模型，通过使用Student-$t$误差摆脱高斯假设。所提方法利用线路的时空特征及前序公交行程来建模短期效应，并利用日期/时间变量和高斯过程进行长期预测。该模型允许对均值、方差和峰度空间进行灵活建模。我们提出了贝叶斯推断算法和概率预测分布计算算法。实验使用瑞典斯德哥尔摩高频公交的数据进行。结果表明，在预测特定站点公交延误的对数后验预测能力方面，Student-$t$模型优于高斯模型，这揭示了在模型选择中考虑预测不确定性的重要性。估计的Student-$t$回归捕捉了一天中不同时段与不同工作日之间的典型时间变异性。来自紧邻前序站点的进站公交表现出强烈的时空效应，这与许多近期开发的模型一致。我们最后展示了贝叶斯推断如何自然地实现预测不确定性量化，例如返回进站公交延误超过给定阈值的预测概率。