文献综述（或调研报告）：
3.1 公交数据的应用研究现状
智能交通的发展促进了公共交通系统的信息化。智能公共交通系统通过车辆GPS定位和乘客刷卡以及实时路况等信息的记录，用于提高运营服务质量。在运营过程中，服务信息通过相应系统发布给出行者，方便其选择合理的出行方案。公交车辆到站时间作为服务信息的重要内容，广泛受到各国的关注。
国外率先将先进的计算机信息技术引入到公共交通系统中。美国城市公共交通管理局启动了智能公共交通系统项目“Advanced Public Transportation system(APTS)”, 主要研究基于动态公共交通信息的实时调度和实时信息发布理论，以提高公共交通服务水平和公共交通的吸引力，减缓交通拥堵并降低能源消耗。1992年美国还制定了《美国智能交通系统战略规划》，同时开展了大规模的智能交通试验，并且在智慧卡与预付卡在公共交通中的应用方面取得了丰富的经验。日本政府同样也大力支持APTS的发展并取得显著成功。控制中心通过与行驶中的公交车辆建立双向通信，动态获取车辆的位置信息，将计算得到的车辆到站时间等服务信息通过电子站牌、手机或电脑发布给乘客。调查显示，乘客候车时间减少了5-7分钟，受到出行者的高度认可。而韩国首尔的巴士系统，利用双向通信的优势，不仅正向将巴士运营位置信息发布给出行者，同时反向反馈道路信息给司机，让司机及时调整车速，避免串车现象发生，确保车辆的正点运行。
国内从公交车辆的定位出发，也对智能公共交通系统进行了探索与实践。如北京公交于1999年投入运行ITS示范工程，首次投入300多辆装有GPS定位系统的车辆。而后，各大城市也相应投入实施电子站牌系统。北京、上海、广州等大城市率先使用电子站牌系统，用以实时预测公交车辆到站时间；而其他大部分城市的电子站牌主要预报距需求站点的站数。这些实时信息的发布，有效的节约了乘客候车时间，提高其对公共交通的满意度。
然而，从目前的智能的预报系统使用情况来看，仍存在一些不足。（1）大多数城市的电子站牌只是显示车辆的位置和距离需求站点的站数，并未给出车辆的具体到站时间[3]。而乘客更想要获取具体的到站时间来合理安排自己的出行。（2）大多数的到站时间信息发布是基于历史数据时刻表安排，并未动态考虑到实时交通路况。所以此种方法仅适用于交通状态较稳定的情况，对于高峰期道路拥堵情况下，到站时间则预测不准确，影响乘客出行体验。因此，非常有必要对公交车辆到站时间的预测模型、技术等进行深入研究，分析影响其运营的因素，以便为乘客提供更为准确的到站时间信息，提升服务水平。
3.2 公交车辆运行状态预测方法
公交车辆运行状态的把握和预测对于实际应用具有重要意义，也是交通运输领域关注的热点。众多学者对公交车辆的站间行程时间、区间车速、停站时长、站点客流等指标进行了研究，他们致力于挖掘影响公交车辆运行的因素，并加以定性和定量化分析，以求更加准确地进行状态预测。
在现有的研究方法中，主要基于以下几类模型进行研究：历史数据模型、时间序列模型、统计回归理论预测模型、卡尔曼滤波模型、SVM支持向量机模型、人工神经网络模型等。
Lin 和 Zeng [5]等利用定位数据、公交时刻表等信息提出了历史数据预测模型，但该方法预测精度不高，仅适用于郊区车辆稀疏、交通状态较为稳定的情况。
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。
