交叉口控制类型 有无信号控制、相位、配时等 交叉口交通情况 排队长度、非机动车和行人过街数量等 三、国内外研究现状和发展动态 (一)发展现状 笔者在广泛阅读国内外学者近些年关于公交到站时间预测的研究论文的基础上,对现状 研究模型进行了归类,大致可以分为以下八类:历史数据模型、统计回归模型、非参数回归 预测模型、人工神经网络模型、支持向量机模型、卡尔曼滤波模型、数据融合模型和其他模 型。下面笔者将从基本原理、主要研究结论、适用性、优缺点等方面对主要模型进行总结分 析 (二)主要模型 1.历史数据模型 历史数据模型是在公交到站时间预测方面最早使用的模型,以大量的历史数据为基础 假设未来一段时间公交运营的情况与历史数据相似,运用大数据的方法进行处理,对影响公 交车运营的各种影响因素进行分类,其每个时间段的行驶时间都是通过对历史数据的分析研 究而获得的。Gong等对历史数据和实时数据进行加权处理,利用实时GPS信息进行对比 修正,提高了到站时间预测的实时性。Mako以公交当前位置、历史数据和公交网络为基 础,充分考虑公交网络和时间特性,有效的增强了预测模型的稳定性。历史数据模型原理易 懂、操作简单,因此被广泛采用。适用于现在的交通状况与过去的交通状况变化较小的公交 线路,而当车辆在行驶过程中发生突发事件时,其预测的准确性就会大大降低。 2.统计回归模型 统计回归模型是通过分析两种及两种以上变量之间的定量关系,确定变量之间因果关系 的回归方程,并把方程作为预测模型,从而进行预测。在公交到站时间预测研究中,把路段 长度、客流量、信号灯数量、天气状况、停车延误、拥堵情况、平均行驶速度等因素作为自 变量,把行程时间作为因变量对到站时间进行预测。王磊等对影响车辆到站的因素(站间 距离、上下车人数、停车延误等)和车辆行程时间之间的相互关系进行分析,建立多元线性 回归模型,并用实际数据对模型参数进行标定。 YUyang Zhou同等基于IC卡和实际调查数据」 构建了基于频率分布和回归分析的公交到站时间预测模型。统计回归模型在公交到站预测领 域的研究已经比较成熟,采集数据的设备比较简单,获取预测结果比较简单。但是该方法实 用性较差,模型不易确定,对交通变化不敏感,因此没有得到广泛应用。 3非参数回归预测模型 非参数回旧方法不假设变量之间的相对关系,通过分析历史数据并从中找出与输入变量交叉口控制类型 有无信号控制、相位、配时等 交叉口交通情况 排队长度、非机动车和行人过街数量等 三、国内外研究现状和发展动态 （一）发展现状 笔者在广泛阅读国内外学者近些年关于公交到站时间预测的研究论文的基础上，对现状 研究模型进行了归类，大致可以分为以下八类：历史数据模型、统计回归模型、非参数回归 预测模型、人工神经网络模型、支持向量机模型、卡尔曼滤波模型、数据融合模型和其他模 型。下面笔者将从基本原理、主要研究结论、适用性、优缺点等方面对主要模型进行总结分 析。 （二）主要模型 1.历史数据模型 历史数据模型是在公交到站时间预测方面最早使用的模型，以大量的历史数据为基础， 假设未来一段时间公交运营的情况与历史数据相似，运用大数据的方法进行处理，对影响公 交车运营的各种影响因素进行分类，其每个时间段的行驶时间都是通过对历史数据的分析研 究而获得的。Gong[3] 等对历史数据和实时数据进行加权处理，利用实时 GPS 信息进行对比 修正，提高了到站时间预测的实时性。Marko[4] 以公交当前位置、历史数据和公交网络为基 础，充分考虑公交网络和时间特性，有效的增强了预测模型的稳定性。历史数据模型原理易 懂、操作简单，因此被广泛采用。适用于现在的交通状况与过去的交通状况变化较小的公交 线路，而当车辆在行驶过程中发生突发事件时，其预测的准确性就会大大降低。 2.统计回归模型 统计回归模型是通过分析两种及两种以上变量之间的定量关系，确定变量之间因果关系 的回归方程，并把方程作为预测模型，从而进行预测。在公交到站时间预测研究中，把路段 长度、客流量、信号灯数量、天气状况、停车延误、拥堵情况、平均行驶速度等因素作为自 变量，把行程时间作为因变量对到站时间进行预测。王磊[5] 等对影响车辆到站的因素（站间 距离、上下车人数、停车延误等）和车辆行程时间之间的相互关系进行分析，建立多元线性 回归模型，并用实际数据对模型参数进行标定。YUyang Zhou[6] 等基于 IC 卡和实际调查数据， 构建了基于频率分布和回归分析的公交到站时间预测模型。统计回归模型在公交到站预测领 域的研究已经比较成熟，采集数据的设备比较简单，获取预测结果比较简单。但是该方法实 用性较差，模型不易确定，对交通变化不敏感，因此没有得到广泛应用。 3.非参数回归预测模型 非参数回旧方法不假设变量之间的相对关系，通过分析历史数据并从中找出与输入变量