8、华沙有轨电车旅行时间预测研究

华沙有轨电车旅行时间预测研究

1. 旅行时间预测方法概述

旅行时间预测方法主要分为统计模型、机器学习方法和混合模型三类：
- 统计模型 ：这类方法基于日常旅行时间具有重复性的观察。例如，可依据前几日相同时间和星期的道路状况来预测未来情况。部分方法依赖前几日的平均旅行时间，还有些使用平均速度作为预测因素。该类方法会选取多个因素（如交通信号灯、天气）作为自变量，基于其统计分布和相关性进行预测，常见的有时间序列模型、回归模型和卡尔曼滤波器等。
- 机器学习模型 ：对现有数据进行学习，以应对未知输入数据。在处理大量信息、非线性关系或嘈杂信息时效果良好，最流行的技术包括人工神经网络和支持向量机。
- 混合模型 ：将前面提到的方法进行组合，近年来利用混合算法提高预测准确性的趋势逐渐增加。

2. 华沙有轨电车基础设施与数据源

华沙是波兰的首都，约 82%的人每天出行，其中 47%将公共交通作为主要出行方式。本文仅考虑有轨电车，因为在研究时，旅行社仅能提供有轨电车的完整信息（所有车辆的 GPS 位置）。
- 基础设施 ：华沙有轨电车有 26 条线路，约 240 个站点。司机需在规划路线的所有站点停车，无夜间或特殊线路，所有线路每天运营，最早的电车在凌晨 3:30 出发，最晚的约在凌晨 1:30 到达车库。一周使用三种时刻表：工作日（周一至周五）、周六、周日和节假日。
- 数据源 ：
- 官方时刻表 ：由华沙公