基于改进Sage滤波器的车辆行程时间预测模型.pdf

墙计算机技术与发展Vo1
第期．18No．9
2008年9月COMPUTERTECHNOLOGYANDDEVELOPMENTSep．2008

基于改进Sage滤波器的车辆行程时间预测模型

熊桂喜，刘铭志
(北京航空航天大学，北京100083)

摘要：在现代ITS环境中，公交车辆行程时间预测是实现公共交通智能化调度子系统、电子站牌显示子系统及公交信息
服务子系统的必要条件。针对Sage滤波器自身的优缺点，提出了一种基于车辆行程时间历史数据流信息的Sage滤波器，
并在此基础建立了BRT(BusRapidTransit)车辆行程时间预测模型。最后针对2007年6月7日北京市南中轴路大容量快
速公交(Ⅸ汀)线的实际数据进行了对比实验，结果表明，改进的Sage滤波器有效降低了原算法的误差。
关键词：车辆行程时间预测；Sage滤波器；流聚类
中图分类号：1]P391．9文献标识码：A文章编号：1673—629X(2008)09—0162—03

BRTVehiclesTravelTimePredictionModelBased

onImprovedSageFilter

XIONGGui—xi，LIUMing—zhi
(Beih~gUniversity，Beijing100083，China)

Abstract：In1TlodemITSenvironment．vehiclestraveltimepredictionisanecessaryconditionfortherealizationoftheinteligentpublic

transportschedulingsubsystems，stationdectmnicdisplaysubsystemandbusinformationservicesubsystem．FirstanalyzedSagefilter’S

advantagesanddisadvantages，andpresentedanimprovedSagefilterbasedonthehistoricaldatasamplesofvehicletraveltime．Then，on

thebasisofsuchalgorithm，itbuiltBRTvehicletraveltimepredictionmode1．FinallyusedactualdatacollectedfromBRTTransportof

SouthAxisStreetinBeijingonJune7，2007forexperiment．TheresetshowsthattheimprovedSagefiltereffectivelyreducethee_rTor
oftheoriginalalgorithm．

Keywords．"vehicletraveltimeprediction；Sagefilter；datastreamclustering

0引言1改进的Sage滤波器
公交车辆行程时间预测在完善公交服务方面起着1．1Kalman滤波器
重要作用。研究公交车辆行程时间预测方法，提高公Kalman滤波器模型属于线性动态模型，认为车辆
交车辆行程时间预测精度，对于提高公交服务质量，进行程时间等于基本行程时间和随机误差的叠加，基本
而提高公共交通吸引力、缓解交通拥挤具有重要意义。行程时间由检测器收集的数据计算后得出，随机误差
目前，各国的研究者们已经采用了很多方法用于由测量方程递推计算得出。Kalman滤波器的系统模
行程时间预测，例如时间序列法[1|引、卡尔曼滤波模型如下：
型[引、马尔可夫链模型[引、非参数回归模型[5,6]以及神=ATk一1+∞一1(1)

经网络模型L7J等。这些方法和模型各有优缺点，但当=眠+(2)
实际数据出现丢失、失真和异常时，其预测结果往往会其中：式(1)为离散随机差分方程；式(2)为量测
出现不同程度的偏差。方程。Tk：状态变量，即行程时间的预测值；A：状态矩
针对这种情况，提出了一种基于改进Sage滤波器
阵；：观测变量，即实际行程时间；H：观测矩阵；tO：
的车辆行程时间预测模型。过程噪声或系统噪声，为满足正态分布的白色噪声
P()～N(O，Q)；：观测噪声，为满足正态分布的白
色噪声P(u)～N(0，R)(这里假设过程噪声和观
收稿日期：2007—12—3O
基金项目：“十五”国家科技攻关计划(2005BA414B04)测噪声相互独立)。
作者简介：熊桂喜(1964一)，男，湖北黄冈人，副教授，硕士，研究方1．2Sage滤波器
向为企业应用集成与智能交通系统。上述即为经典Kalman滤波器的模型，该模型假设

第9期熊桂喜等：基于改进Sage滤波器的车辆行程时间预测模型·