Resumen

La predicción de la hora de llegada de los autobuses es una parte importante de los sistemas de transporte inteligentes. Una predicción precisa puede ayudar a los pasajeros a planificar sus viajes y mejorar su eficiencia. Dada la no linealidad, aleatoriedad y complejidad de la hora de llegada de los autobuses, este artículo propone el uso de un modelo de red neuronal wavelet (WNN) con un algoritmo mejorado de optimización de enjambre de partículas (IPSO) que sustituye al método de descenso de gradiente. El modelo IPSO-WNN propuesto supera las limitaciones de la WNN basada en el gradiente, que puede producir fácilmente soluciones óptimas locales y detener el proceso de entrenamiento, mejorando así la precisión de la predicción. La aplicación del modelo se ilustra utilizando datos operativos de una línea de autobuses real. Los resultados muestran que el modelo propuesto es capaz de predecir con exactitud la hora de llegada de los autobuses, y que el error cuadrático medio y el error relativo máximo se redujeron en un 42 y 49%, respectivamente.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:hora de llegada de los autobuses, modelo, algoritmo mejorado de optimización por enjambre de partículas, línea de autobús real, método de descenso de gradiente, sistemas de transporte inteligentes, soluciones óptimas locales, error relativo máximo, ipso, wnn
• Keywords:bus arrival time, model, improved particle swarm optimization algorithm, actual bus line, gradient descent method, intelligent transportation systems, local optimum solutions, maximum relative error, ipso, wnn