文章摘要:实时精准的站点间公交行程时间预测是实现智能公交信息服务的关键技术。论文首先提出了基于公交车车头时距的行程时间波动性指标，并应用快速搜索与密度峰值聚类算法建立了公交运行环境划分方法，将其划分为低波动性、中波动性、高波动性；分析了站点间公交行程时间影响因素，设计了基于嵌入法的模型输入变量集选择方法，建立了考虑公交运行环境的深度神经网络预测方法（CFDP-DNN）。为验证该方法的有效性，将其分别与SVM，ANFIS，BP神经网络等方法进行对比，实验结果表明：CFDP-DNN的预测结果相关性为0.9354，MAPE误差范围为11%～22%，显示了基于公交车车头时距的交通运行环境的划分能够有效提高行程时间的预测精度。本文提出的预测方法能够实现实时精确的站点间公交行程时间预测，为公交动态调度提供理论支持。

文章关键词:

项目基金: