计算机工程与应用››2024,第60卷››问题(9): 65-78.内政部:10.3778/j.issn.1002-8331.2308-0127

热点与综述 • 上一篇   下一篇

基于深度学习的公交行驶轨迹预测研究综述

杨晨曦,庄旭菲,陈俊楠,李衡  

  1. 内蒙古工业大学 信息工程学院,呼和浩特 010080
  • 出版日期:2024-05-01 发布日期:2024-04-29

基于深度学习的公交出行轨迹预测研究综述

杨晨曦、庄旭飞、陈俊南、李恒  

  1. 内蒙古工业大学信息工程学院,呼和浩特010080,中国
  • 在线:2024-05-01 出版:2024-04-29

摘要:公交行驶轨迹预测是对公交车到达线路上的重要轨迹点,如站点和道路交叉口等,进行到达时间预测。准确预测公交车到达站点和道路交叉口的时间,可以提高城市公交系统的运行效率和服务质量,对于城市公共交通规划和公交调度至关重要。从公交行驶轨迹预测方法的发展现状入手,分析了影响公交运行的相关因素,归纳并探讨了不同类型的相关数据集以及数据预处理方法。依照其发展脉络将公交行驶轨迹预测方法分为基于历史数据的模型、以时间序列模型为代表的参数模型以及包括机器学习和深度学习方法的非参数模三、分析以进一步提高预测精度。最后,阐述了公交行驶轨迹预测研究领域中面临的挑战,并对该领域未来的发展进行总结分析与趋势展望。

关键词: 公交行驶轨迹预测, 深度学习, 时空特征, 预测, 智能交通

摘要:公交车行驶轨迹预测可预测公交车何时到达其路线上的重要轨道点,如车站和十字路口。准确预测道路交叉口和站点的公交车到达时间可以提高城市公共交通系统的效率和服务质量,这对城市公共交通规划和公交调度至关重要。从公交出行轨迹预测方法发展的角度,分析了影响公交运营的因素,探讨了数据集的类型,总结了数据预处理方法。根据其发展脉络,公交车出行轨迹预测方法分为三类:历史方法、以时间序列模型表示的参数模型和包括机器学习和深度学习方法的非参数模型。总结了不同方法的优点和局限性。由于深度学习模型在时间序列预测任务中的优越性能,越来越多的学者开始采用基于深度学习的模型来解决公交车出行轨迹预测问题,并考虑结合城市道路呈现的时空特征来进一步提高预测精度。最后,分析了公交出行轨迹预测领域面临的挑战,并展望了该领域未来的发展和研究方向。

关键词: 公交车行驶轨迹预测, 深度学习, 时空特征, 时间序列预测, 智能交通