- 文献综述（或调研报告）：
1.国内外研究成果综述
Cortes[1]等本文提出利用离线GPS数据来构建公交系统空间位置和时间运行状况全景图，此种方法是基于对公交车辆在某路段、时间段速度的计算。用此种方法可获得某一时间、空间位置时的具有代表性的平均速度，接着根据这些分析来进行公交线路的运营诊断。
S.I.J Chien[2]等提出结合实时和历史数据构建动态模型来进行公交运行时间预测，并探索影响预测结果的因素。由于卡尔曼滤波算法能持续地更新状态变量而作为新的观测数据，因此该算法能应用于运行时间预测。
Hans[3]等介绍公交车辆中观模型的背景元素并引进粒子滤波的预测方法框架。接着提出了结合粒子滤波的公交模型。
Avigdor Gal, Avishai Mandelbaum[4]等探讨一种新颖的基于排队论和机器学习方法的预测过程，结合历史数据和公交车传输的实时信息，得出行驶时间的分析。
Jeong[5]等利用采集公交车的实时 AVL 数据，综合考虑实际到站时间与时刻表到站时间之差以及滞留时间的影响，利用人工神经网络技术构建公交车到站时间预测模型，并进行了误差分析。
Yu Bin[6]等认为为了能准确及时地预测公交车的到站时间，对于交通状况的考虑时非常重要的，包括交通拥挤。在研究中，因为交通拥挤时复杂并且难以被应用，所以先前车辆/当前车辆在路段上的行驶时间被用来考虑路段上的交通状况。本篇论文的目的是开发和应用支持向量机模型来预测到达时间。
Dihua Sun[7]等人的论文提出的预测方法，是结合GPS接收器提供的公交车实时定位数据和实时站间速度分析，并考虑历史行驶速度和交通状况的时间、空间变化，来预测到站时间。在该过程中，采用基于GIS的地图匹配算法将收到的位置投影到公交网络上。他们提出的算法模型旨在自动探测公交车路线、方向及任何运行状态下的到达下游站点的时间。
2.现有成果总结
现有的预测模型大多都忽略了对于公交车辆运行状态进行识别，同时预测的结果多集中在考虑以站与站之间运行时间为预测单元，利用一系列的算法对车辆进行预测，未考虑实际运行过程中车辆是否会出现突发状况以及突发事件后算法的可靠性。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
