交到站时间预测模型的优点和缺点,见表2 表2各种预测模型的优缺点对比 分类 优点 缺点 适用性 实时性差、复杂交通状 历史数据模型 原理简单、辨识度高 态下预测精度低 适合非高峰期预测 数据获取简单、 默认输入变量相互独 回归模型 理论成熟 立,未反应出客观事实 适合平峰期预测 非参数回归模型 对突发交通状况的适应 需要详细的历史数据适合特殊时期的预测 能力强、预测精度高 能够处理复杂的非线性|难以确定网络结构、适合高峰、平峰期的预 神经网络模型 函数、预测精度高 训练时间长 确定对应参数难、不能 支持向量机模型 解决小样本、非线性 实时预测 适合单一线路预测 能处理高维问题和非平多步预测时,精度明显 卡尔曼滤波模型 适合多种不同线路预测 稳过程、实时性好 预测精度高、抗干扰能 数据获取难 数据融合模型 适合特殊时期的预测 力强 实时性较差 四、展望 现有研究在很大程度上提高了公交到站预测时间的准确性,但是由于原始数据的质量、 环境的复杂性、模型效率等问题,预测结果的精度和实时性仍然差强人意。笔者通过对现有 公交到站时间预测研究的总结和分析,结合公交乘客的需求,以现有交通大数据为基础,对 未来公交到站时间预测分析的研究进行了展望 (一)基于多源数据融合技术,提高预测模型的精度 随着信息通讯技术的发展,已形成以数据共享为特征的“大数据环境”,从多方位、多 角度观察城市交通状态与行为演变成为可能,城市交通研究潜在技术环境发生巨大变化。 大多数城市建立了公交信息平台,采集、存储公交运行的原始资料,处理、运算海量数据, 面向公众发布实时公交出行信息。随着公交系统软、硬件设施不断完善和升级,信息多源化 数据结构复杂化是未来的发展趋势,如何利用多源数据融合技术提高预测模型的准确性成为 新的关注点 (二)直面或然性,探索由点估计到区间估计合理性的研究 如何直面或然性是预测过程中无法回避的一个问题,未来的前景总是在很大的范围内的 系列可能性,传统的单向的预测似乎总是隐含着一种不真实的精确度。公交到站时间预测 亦是如此。在传统研究中,学者大多集中于预测模型的精确度,却很少考虑不确定性因素的 影响。由于缺乏预测结果不确定性的相关信息,造成了公交到达时间模型预测结果的可靠性交到站时间预测模型的优点和缺点，见表2。 表 2 各种预测模型的优缺点对比 分类 优点 缺点 适用性 历史数据模型 原理简单、辨识度高 实时性差、复杂交通状 态下预测精度低 适合非高峰期预测 回归模型 数据获取简单、 理论成熟 默认输入变量相互独 立，未反应出客观事实 适合平峰期预测 非参数回归模型 对突发交通状况的适应 能力强、预测精度高 需要详细的历史数据 适合特殊时期的预测 神经网络模型 能够处理复杂的非线性 函数、预测精度高 难以确定网络结构、 训练时间长 适合高峰、平峰期的预 测 支持向量机模型 解决小样本、非线性 确定对应参数难、不能 实时预测 适合单一线路预测 卡尔曼滤波模型 能处理高维问题和非平 稳过程、实时性好 多步预测时，精度明显 下降 适合多种不同线路预测 数据融合模型 预测精度高、抗干扰能 力强 数据获取难 实时性较差 适合特殊时期的预测 四、展望 现有研究在很大程度上提高了公交到站预测时间的准确性，但是由于原始数据的质量、 环境的复杂性、模型效率等问题，预测结果的精度和实时性仍然差强人意。笔者通过对现有 公交到站时间预测研究的总结和分析，结合公交乘客的需求，以现有交通大数据为基础，对 未来公交到站时间预测分析的研究进行了展望。 （一）基于多源数据融合技术，提高预测模型的精度 随着信息通讯技术的发展, 已形成以数据共享为特征的“大数据环境”，从多方位、多 角度观察城市交通状态与行为演变成为可能,，城市交通研究潜在技术环境发生巨大变化。 大多数城市建立了公交信息平台，采集、存储公交运行的原始资料，处理、运算海量数据， 面向公众发布实时公交出行信息。随着公交系统软、硬件设施不断完善和升级，信息多源化， 数据结构复杂化是未来的发展趋势，如何利用多源数据融合技术提高预测模型的准确性成为 新的关注点。 （二）直面或然性，探索由点估计到区间估计合理性的研究 如何直面或然性是预测过程中无法回避的一个问题，未来的前景总是在很大的范围内的 一系列可能性，传统的单向的预测似乎总是隐含着一种不真实的精确度。公交到站时间预测 亦是如此。在传统研究中，学者大多集中于预测模型的精确度，却很少考虑不确定性因素的 影响。由于缺乏预测结果不确定性的相关信息，造成了公交到达时间模型预测结果的可靠性