Resumen

Una información precisa y en tiempo real del tiempo de viaje de los autobuses puede ayudar a los pasajeros a planificar mejor sus viajes y minimizar los tiempos de espera. En este trabajo se propone un modelo de predicción dinámica de los tiempos de viaje de los autobuses que aborda los casos de carreteras con múltiples rutas de autobús, basado en máquinas de vectores de apoyo (SVM) y en el algoritmo basado en el filtrado de Kalman. En el modelo propuesto, el modelo SVM bien entrenado predice los tiempos de viaje de los autobuses de referencia a partir de los datos históricos de los viajes de los autobuses; el algoritmo dinámico basado en el filtrado de Kalman puede ajustar los tiempos de viaje de los autobuses con la información más reciente de la operación de los autobuses y los tiempos de viaje de referencia estimados. El rendimiento del modelo dinámico propuesto se valida con los datos del mundo real en la carretera con múltiples rutas de autobús en Shenzhen, China. Los resultados muestran que el modelo dinámico propuesto es factible y aplicable para la predicción del tiempo de viaje de los autobuses y tiene el mejor rendimiento de predicción entre los cinco modelos propuestos en el estudio en términos de precisión de predicción en la carretera con múltiples rutas de autobús.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:ruta de autobús múltiple, tiempo de viaje en autobús, modelo dinámico propuesto, filtrado de kalman, mejor rendimiento de predicción, modelo svm entrenado, algoritmo dinámico basado, modelo de predicción de tiempo, términos de predicción, máquina de vectores de apoyo
• Keywords:multiple bus route, bus travel time, proposed dynamic model, kalman filtering, best prediction performance, trained svm model, based dynamic algorithm, time prediction model, terms of prediction, support vector machine