吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (2): 406-411.doi: 10.13229/j.cnki.jdxbgxb201602011

• 论文 • 上一篇    下一篇

基于支持向量机的通勤日活动-出行持续时间预测

宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨   

  1. 吉林大学 交通学院,长春 130022
  • 收稿日期:2014-06-09 出版日期:2016-02-20 发布日期:2016-02-20
  • 通讯作者: 王占中(1965-),男,教授,博士.研究方向:运输系统规划,生产物流运作与优化技术.E-mail:wangzz@jlu.edu.cn E-mail:zongfang@jlu.edu.cn
  • 作者简介:宗芳(1979-),女,副教授,博士.研究方向:交通行为分析.E-mail:zongfang@jlu.edu.cn
  • 基金资助:
    国家自然科学基金项目(50908099, 51278221); 教育部人文社科青年基金项目(14YJC630225); 吉林大学国家优秀青年科学基金后备人选培育计划项目

Prediction of commuter's daily activity-travel duration time with support vector regression

ZONG Fang, WANG Zhan-zhong, JIA Hong-fei, JIAO Yu-ling, WU Yang   

  1. College of Transportation, Jilin University, Changchun 130022, China
  • Received:2014-06-09 Online:2016-02-20 Published:2016-02-20

RICH HTML

0   

PDF (PC)

398

摘要： 构建了通勤者的日活动-出行链,并给出其时间构成要素,对比分析了Hazard和回归支持向量机模型的预测精度,应用回归支持向量机模型建立了出行耗时预测模型和活动持续时间预测模型,预测了通勤日活动-出行链中各次出行的出行耗时和各次活动的持续时间,并应用已建模型考察公交优先策略对出行耗时的影响.研究表明:本文所建模型能够以较高精度预测通勤者的日出行耗时和活动持续时间,在出行耗时预测中回归支持向量机的预测精度高于Hazard模型,相关影响因素分析也有助于掌握居民的通勤出行时间决策规律.研究成果可以为构建通勤日活动-出行行为预测模型系统提供连续时间预测模块,也可以为交通需求管理政策的制定和实施提供决策依据.

关键词: 交通运输工程, 通勤出行时间, 回归支持向量机

Abstract: The commuter's daily activity-travel schedule is proposed and its key time allocation is investigated. According to the comparison of hazard model and Support Vector Regression (SVR) model, travel time prediction models and activity duration prediction models are developed by employing SVR. Then, the continuous time allocation, i.e. all the travel times and activity durations in daily activity-travel schedule are derived and the transit priority policy is evaluated using these models. The results indicate that the model system has a high level of prediction accuracy, and the goodness-of-fit of SVR models is higher than that of Hazard models. This study provides useful insights into commuter's activity-travel time allocation decision. It also serves a foundation that future models of full-scale daily activity-travel pattern can be built on. Moreover, it provides potential for transportation demand management policy analysis.

Key words: engineering of communications and transportation, commute travel time, support vector regression

中图分类号: 

  • U491.1
[1] 隽志才,鲜于建川.基于持续时间模型的日出行时间分析[J].交通运输系统工程与信息,2010,10(4):62-67.
Juan Zhi-cai, Xianyu Jian-chuan. Daily travel time analysis with duration model[J]. Journal of Transportation System Engineering & Intelligent, 2010, 10(4): 62-67.
[2] Bhat C. Analysis of travel mode and departure time choice for urban shopping trips[J]. Transportation Research B, 1998, 32(6): 361-371.
[3] Small K A. The scheduling of consumer activities: work trips[J]. American Economic Review, 1982, 72(3): 467-479.
[4] Bhat C, Steed J. A continuous-time model of departure time choice for urban shopping trips[J]. Transportation Research, 2002, 36(3): 207-224.
[5] Pendyala R, Bhat C R. An exploration of the relati onship between timing and duration of maintenance activities[J]. Transportation, 2004, 31(4): 429-456.
[6] Zong Fang, Lin Hai-yun, Yu Bo,et al. Daily commute time prediction based on genetic algorithm[J]. Mathematical Problems in Engineering, 2012, doi:10.1155/2012/321574.
[7] 李福双.智能公交车辆到站时间预测研究[D].北京:北京交通大学交通运输学院,2009.
Li Fu-shuang. Research on the prediction of intelligent bus arrival time[D]. Beijing:School of Traffic and Transportation,Beijing Jiaotong University, 2009.
[8] Vapnik V. The Nature of Statistical Learning Theory[M]. New York: Springer, 2000.
[9] 于滨,蒋永雷,于博,等.支持向量机在公交车辆运行时间预测中的应用[J].大连海事大学学报,2008,34(4):158-160.
Yu Bin. Jiang Yong-lei, Yu Bo, et al. Application of support vector machines in bus travel time prediction[J]. Journal of Dalian Maritime University, 2008, 34(4): 158-160.
[1] 徐洪峰, 高霜霜, 郑启明, 章琨. 信号控制交叉口的复合动态车道管理方法[J]. 吉林大学学报(工学版), 2018, 48(2): 430-439.
[2] 王海玮, 温惠英, 刘敏. 夜间环境驾驶员精神负荷的生理特性评估与实验[J]. 吉林大学学报(工学版), 2017, 47(2): 420-428.
[3] 姜桂艳, 刘彬, 隋晓艳, 马明芳. 基于IC卡收费系统的公交客流信息实时采集方法[J]. 吉林大学学报(工学版), 2016, 46(4): 1076-1082.
[4] 潘义勇, 马健霄, 孙璐. 基于可靠度的动态随机交通网络耗时最优路径[J]. 吉林大学学报(工学版), 2016, 46(2): 412-417.
[5] 李世武, 徐艺, 孙文财, 王琳虹, 郭梦竹, 柴萌. 基于瞳孔直径的撞固定物冲突自反馈识别方法[J]. 吉林大学学报(工学版), 2016, 46(2): 418-425.
[6] 赵淑芝, 梁士栋, 马明辉, 刘华胜, 朱永刚. 信号交叉口实时排队长度估计[J]. 吉林大学学报(工学版), 2016, 46(1): 85-91.
[7] 刘华胜，赵淑芝，朱永刚，李晓玉. 基于有效路径的轨道交通接运线路设计模型[J]. 吉林大学学报(工学版), 2015, 45(2): 371-378.
[8] 祝进城，肖峰，帅斌，刘晓波. 城市出租车拥挤收费[J]. 吉林大学学报(工学版), 2015, 45(1): 89-96.
[9] 游峰, 张荣辉, 王海玮, 徐建闽, 温惠英. 欠驱动半挂汽车列车的运动建模与跟踪控制[J]. 吉林大学学报(工学版), 2014, 44(5): 1296-1302.
[10] 程国柱, 李德欢, 吴立新, 莫宣艳, 徐慧智. 城市道路人行横道处照明指标的确定[J]. 吉林大学学报(工学版), 2014, 44(5): 1308-1314.
[11] 李世武, 姚雪萍, 孙文财, 王琳虹, 赖祥翔, 王德强. 体现悬架特性的车辆载荷状态监测技术[J]. 吉林大学学报(工学版), 2014, 44(2): 335-342.
[12] 周伟, 赵胜川. 基于Mixed Logit模型的路线选择行为量化分析[J]. 吉林大学学报(工学版), 2013, 43(02): 304-309.
[13] 杨庆芳, 张彪, 高鹏. 基于改进动态递归神经网络的交通量短时预测方法[J]. , 2012, 42(04): 887-891.
[14] 李世武, 田晶晶, 王琳虹, 孙文财, 陈璐, 汪海正, 王燕. 多传感器的车辆装载状态动态监测方法 [J]. , 2012, (03): 569-574.
[15] 张文会, 许洪国. 高速公路交通事故现场路段限速方案[J]. 吉林大学学报(工学版), 2012, 42(02): 316-320.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发