基于GRU和Kalman滤波组合模型的公交车辆到站时间预测方法研究

作者：刘政泽

来源：中阿科技论坛(中英文), 2022, (09): 100-104.

• 智慧公交
• 到站时间预测
• GRU
• 卡尔曼滤波

准确的公交到站时间信息能够为人们的出行规划提供有效依据，降低出行时间成本。文章以尽量减少预测公交到站时间与实际时间的偏差为目标，避免行驶过程中各类突发事件对预测结果的影响，建立了一种基于GRU和Kalman滤波的组合模型来对公交车辆到站时间进行实时预测。其中GRU神经网络利用历史数据对公交车辆在各个站点间的行驶时间进行计算，得到基础时间到站时间序列，再通过Kalman滤波利用公交车辆行驶过程中获取的实时信息，对到站时间的预测结果进行优化更正。研究结果表明，GRU预测模型在预测效率上相对于LSTM模型高出5.3%～7.9%。在结合Kalman滤波后，SVM、LSTM、GRU组合模型的综合评价指标MAPE分别为3.71%、2.63%、2.04%。因此，文章所提出的组合模型能够更有效地预测公交到站时间。

• 单位
  山东科技大学