51、公共交通巴士旅行时间变异性分析与信号交叉口等待延误估计模型比较研究

公共交通巴士旅行时间变异性分析与信号交叉口等待延误估计模型比较研究

在城市交通领域，公共交通巴士的旅行时间变异性以及信号交叉口的等待延误是影响交通效率和服务质量的重要因素。本文将围绕这两个方面展开探讨，介绍相关的研究方法、分析结果以及实际应用意义。

公共交通巴士旅行时间变异性分析

研究背景与方法

在公共交通研究中，不仅要捕捉旅行时间的变化，还尝试使用机器学习模型（如线性回归分析、人工神经网络、k近邻、k均值聚类和DBSCAN算法）来预测未来的旅行时间。部分作者在旅行时间变异性分析中会单独考虑停留时间并建立模型。巴士站点位置的识别对于巴士旅行时间变异性分析至关重要，多数现有研究在分析前将其视为固定位置，也有研究尝试在行程中自动识别巴士站点位置。

本次研究的变异性分析过程分为三个阶段：
1. 数据收集 ：Tumakuru市的巴士服务目前运营着15条路线，路线长度从5公里到15公里不等。巴士配备了功能正常的车载GPS，并连接到由Tumakuru Smart City Limited维护的公共控制中心。该公司提供了2020年11月巴士的位置数据、行程安排和巴士站点信息。研究选取了201号路线（Tumakuru巴士站 - Kyathasandra）的上下游两个方向进行分析。
2. 数据预处理 ：巴士的位置数据存在噪声、冗余、错误和缺失条目，需要进行清理。忽略缺失条目，消除冗余的非行程日志。通过估计平均绝对偏差（MAD）来识别提取数据中的异常值，并将涉及这些异常值的行程从数据集中剔除。GPS日志按车辆注册号码和设备ID收集和存储，分析所需的数据需按路线和行程进行处理，将GP