CN104064028A - 基于多元信息数据的公交到站时间预测方法及系统 - Google Patents

Abstract

一种基于多元信息数据的公交到站时间预测方法，包括以下步骤：1)对获取的多元信息数据进行预处理，形成历史数据库，所述多元信息数据包括预测线路的公交车辆GPS数据、通行路段其它线路公交车辆的GPS数据和公交车IC卡数据。处理后得到信息包括：车辆运行位置、车速、站间区间、车辆在各车站到达时刻、离开时刻、上车人数和下车人数；2)建立模型预测公交车辆的站-站间行驶时间；根据推算的车站上下客量预测在站停站时间；由此得到区间行程时间并进行公交车辆的到站时间预测。进而开发一种基于多元信息数据的公交到站时间预测原型系统。本发明的公交到站时间预测方法具有预测时效性、准确性较高的优势。

Description

基于多元信息数据的公交到站时间预测方法及系统

技术领域

本发明属于智能交通技术领域，涉及一种公交到站时间预测方法及系统。

背景技术

我国诸多大中城市提出“公交都市”概念，通过打造绿色的公交都市来缓解日益增长的机动车出行需求及严重的交通拥堵问题。“公交都市”通过引入ITS技术，逐步实现公交运营与调度、公交出行的智能化、数字化、网络化以及集成化。国内外大城市发展经验表明，要解决城市交通问题，尤其是特大型城市的交通问题，必须充分发挥公共交通的重要作用。公交(以下公交指公共汽、电车交通)到站时间服务是提高公众交通吸引力的关键服务之一。精确的公交车到站时间预测信息可以减少乘客的候车时间，乘客可以有效地安排出行计划。同时，公交行驶时间是优化运营计划的一个关键因素。为了维持公交运营的服务质量，公交企业通常根据车辆的实时情况采取适当的措施来调整运行时刻表和发车间隔，从而更有效地进行运营管理，提高公交服务水平。因此，研究公交行程时间的预测(等效于到站时间预测)，无论是对运营者还是出行者都有很大的意义。

随着智能交通运输系统的不断发展，以及智慧城市等概念的出现，城市道路交通数据采集方式已经从传统的单点检测发展为多点检测，使得以往离散空间、离散时间的静态检测数据，发展为连续空间、连续时间的动态轨迹数据，如浮动车数据，不仅仅本线路公交车作为浮动车，通行于相同路段的多条公交线路车辆均可作为浮动车。这就为交通流运行特征的提取，提供了技术支持，也有助于城市公交行驶时间的预测技术的改进。

此外，我国大城市中心区内，客流量较大且各车站客流分布不均衡，都使用相同的停站时间参数(国内较多应用都沿袭原来国外模型做法，停站时间因为与行驶时间相比太小所以就简化为单一参数)将一定影响行程时间预测精度，累积下来会产生较大的预测误差。同时公交车辆在运行过程中受到道路通行条件影响比较剧烈，车辆在站间行驶时间随机性强，国内仅使用车辆行驶时间的历史统计数据，不能反映实时的交通状况变化。可见，传统的基于单条公交线路GPS历史数据的预测技术在信息的时效性和信息的准确性两方面存在一定的不足。

经过现有技术文献检索发现，基于多元信息数据的公交到站时间预测技术未见公开报道。

发明内容

为了克服已有公交到站预测方式的时效性较差、准确性较低的不足,本发明提供了一种时效性良好、准确性较高的基于多元信息数据的公交到站时间预测方法及系统。

为了解决上述技术问题提出了以下技术方案：

一种基于多元信息数据的公交到站时间预测方法，所述预测方法包括以下步骤：

1)对获取的多元信息数据进行预处理，形成历史数据库，所述多元信息数据包括预测线路的公交车辆GPS数据、通行路段其它线路公交车辆的GPS数据和公交车IC卡信息，数据处理后得到的信息包括：线路编号、车牌编号、车辆运行位置、车速、所在站间区间、车辆在各车站到达时刻、离开时刻、上车人数和下车人数；

2)建立模型预测公交车辆的站-站间行驶时间；

2.1)当公交线路集合所包含的公交车辆数目k，即k<N时，N为公交线路集合所包含的公交车辆数目的最小阈值，基于公交运行线路中相邻两个站点间的行程时间的历史数据统计回归，来得到预测的路段行程时间，通过以下公式实现：

$t_{i,i+1}^j=\underset{n=1}{\overset{j-1}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}^n{t}_{i,i+1}^n+{\mathrm{\&phi;}}_{i,i+1},1<n\&le;j-1$

其中，为第j班公交车从第i个站点到第i+1个站点的预测运行时间；βⁿ为回归系数；为纳入样本的公交车从第i个站点到第i+1个站点的历史运行时间，φ_i,i+1为路段行程时间估计参数；

2.2)当公交线路集合所包含的公交车辆数目k，即N≤k≤M时，M为公交线路集合所包含的公交车辆数目的最大阈值，预测的路段行程时间的计算过程包括以下步骤：

①公交线路集合L的确定：公交线路集合L为

为公交车辆j在当前站点的到站时刻，为公交线路集合中的公交车辆k在目标站点的到站时刻；

②加权因子确定：

加权因子Γ_k由公交线路集合中的公交车辆的站站间的行驶时间按到站间隔的倒数计算得到，计算公式由以下实现：

${\mathrm{\&Gamma;}}_k=\frac{1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}$

其中，为公交线路集合中的公交车辆k在当前站点的到站时间；m为公交线路集合中的公交车辆总数；

预测的路段行驶时间计算式为：

其中，为公交线路集合中的公交车辆k在站站间的行驶时间；

3)根据推算的车站上下客量预测在站停站时间：

${T_{\mathrm{Dwell}}^A}_{S_{n-1}}\left(k\right)={\mathrm{\&alpha;}}_{S_{n-1}}\left(k\right)+{\mathrm{\&beta;}}_{S_{n-1}}\left(k\right)\&times;\mathrm{Max}(N_{\mathrm{in}},N_{\mathrm{out}})+{\mathrm{\&gamma;}}_{S_{n-1}}\left(k\right)\&times;C$

其中为回归参数，Max(N_in,N_out)为该公交车站上下客人数的最大值，C为公交车辆的乘客满载率，由此时车上实际载客数量与额定最大载客数量的百分比表示。

由公交车辆的站-站间行驶时间、在站停站时间得到区间行程时间并进行公交车辆的到站时间预测。

一种基于多元信息数据的公交到站时间预测系统，包括公交GPS数据采集系统、IC卡数据采集系统和数据处理系统，其中，

所述公交GPS数据采集系统包括车载公交车GPS数据采集设备、线路站点信息表和路网GIS地图，分别提供公交车实时数据、线路站点基础信息数据表、GIS空间数据库；

所述IC卡数据采集系统包括车载机和数据采集系统，分别提供乘客刷卡信息、公交IC卡操作型数据库和公交IC卡数据仓库；

所述数据处理系统包括数据接收模块、预处理模块、运行状态参数估计模块和公交到站时间预测模块，其中：

①数据接收模块将公交GPS、IC卡采集系统的数据实时发送到预处理模块上，并能对数据接收条数、数据接收时间、服务器运行状况进行统计记录，实时监控数据的质量状况；

②预处理模块以公交GPS数据作为输入，根据其历史数据特征与相关性来识别异常数据，并进行剔除错误数据、修正问题数据和互补融合补充数据；

③运行状态参数估计模块，根据预处理模块获得的数据实时计算路段行驶时间、站点客流延误，并基于历史数据与调查信息进行公交运行特征的估计，构建实时数据库与历史特征库；

④公交到站时间预测模块，基于公交运行特征库，实时计算区间内的路段行驶时间，对公交车辆到站时间进行预测。

本发明的有益效果主要表现在：时效性良好、准确性较高。

附图说明

图1是基于多元信息数据的公交到站时间预测方法的流程图。

图2是样本选取原理图。

图3是实例的样本选择示意图。

图4是数据处理系统的原理框图。

具体实施方式

下面结合附图对本发明做进一步说明。

实施例1

参照图1～图3，一种基于多元信息数据的公交到站时间预测方法，包括以下步骤：

1).对获取的多元信息数据进行预处理，形成历史数据库，所述多元信息数据包括预测线路的公交车辆GPS数据、通行路段其它线路公交车辆的GPS数据和公交IC卡数据，数据处理后得到的信息包括：线路编号、车牌编号、车辆运行位置、车速、所在站间区间(上、下游相邻站点ID)，车辆在各车站到达时刻、离开时刻、上车人数和下车人数等；

2).对历史数据库做车辆车牌和线路匹配，计算得到路段行驶时间以及站点的客流延误，根据这些数据进行公交车辆未来到站时间预测。所述的车辆车牌和线路匹配技术都已属于现有技术，因此不详细介绍其匹配方法，不应视为公开不充分；

所述的路段行驶时间定义为公交车辆在目标站点的到站时间减去在当前站点的离站时间，可以由以下公式来实现：

$t_{i,i+1}^j=\left\{\begin{array}{c}\underset{n=1}{\overset{j-1}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}^n{t}_{i,i+1}^n+{\mathrm{\&phi;}}_{i,i+1},k<N\\ \underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{\mathrm{\&Gamma;}}_k{t}_{L,k}^r,N\&le;k\&le;M\end{array}\right\}$

其中，为预测的路段行驶时间；βⁿ为回归系数；为纳入样本的公交车从第i个站点到第i+1个站点的历史运行时间；为纳入样本的公交车从第i个站点到第i+1个站点的历史运行时间；φ_i,i+1为路段行驶时间估计参数。k为公交线路集合所包含的公交车辆数目；N为公交线路集合所包含的公交车辆数目的最小阈值；M为公交线路集合所包含的公交车辆数目的最大阈值；Γ_k为加权因子；为公交线路集合中的公交车辆k在站-站间的行驶时间。预测步骤包含以下几个部分：

(2.1)历史样本的提取

提取公交线路集合记为K，每一辆公交车记为集合的元素k，公交线路集合K满足一定条件，即为公交车辆j在当前站点的到站时刻，为公交线路集合中的公交车辆k在目标站点的到站时刻；样本选取原理见附图2。

(2.2)车辆路段行驶时间预测

当公交线路集合所包含的公交车辆数目k，即k<N时，N为公交线路集合所包含的公交车辆数目的最小阈值，基于公交运行线路中相邻两个站点间的行驶时间的历史数据统计回归，得到预测的路段行驶时间，通过以下公式实现：

$t_{i,i+1}^j=\underset{n=1}{\overset{j-1}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}^n{t}_{i,i+1}^n+{\mathrm{\&phi;}}_{i,i+1},1<n\&le;j-1$

其中，为第j班公交车从第i个站点到第i+1个站点的预测运行时间；βⁿ为回归系数；为纳入样本的公交车从第i个站点到第i+1个站点的历史运行时间，φ_i,i+1为路段行驶时间估计参数；

当公交线路集合所包含的公交车辆数目，即N≤k≤M时，M为公交线路集合所包含的公交车辆数目的最大阈值，预测的路段行驶时间的计算过程包括以下步骤：

①公交线路集合K的确定：公交线路集合L为

为公交车辆j在当前站点的到站时刻，为公交线路集合中的公交车辆k在目标站点的到站时刻；

②加权因子确定：

加权因子Γ_k由公交线路集合中的公交车辆的站-站间的行驶时间按到站间隔的倒数计算得到，计算公式由以下实现：

${\mathrm{\&Gamma;}}_k=\frac{1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}$

其中，为公交线路集合中的公交车辆k在当前站点的到站时间；m为公交线路集合中的公交车辆总数；

预测的路段行驶时间计算式为：

其中，为公交线路集合中的公交车辆k在站-站间的行驶时间；

(2.3)站点停靠时间估计：

可用如下公式实现：

${T_{\mathrm{Dwell}}^A}_{S_{n-1}}\left(k\right)={\mathrm{\&alpha;}}_{S_{n-1}}\left(k\right)+{\mathrm{\&beta;}}_{S_{n-1}}\left(k\right)\&times;\mathrm{Max}(N_{\mathrm{in}},N_{\mathrm{out}})+{\mathrm{\&gamma;}}_{S_{n-1}}\left(k\right)\&times;C$

其中为回归参数，Max(N_in,N_out)为该公交车站上下客人数的最大值，C为公交车辆的乘客满载率，由此时车上实际载客数量与额定最大载客数量的百分比表示。

本实施例中，为了方便本发明的参数理解及模型体现，对步骤2)的(2.2)部分内容进行具体案例说明，如下：

1)公交线路集合K的确定

公交线路集合中的所有公交车辆k在目标站点的到站时刻早于公交车辆j在当前站点的到站时刻，即即搜索到公交车辆数k满足

根据以上规则，可以搜索到数据库中的各线路各站点的各班次到站时刻数据(公交线路集合L包含3条线路，为210，40，46)，举例如下，见附图3：

车辆编号	所属线路	站点ID＝21008	站点ID＝21009	区间运行时间
					****	210	7:42:15	待预测的到站时刻
****	40	7:35:40	7:40:15	275s
					****	210	7:35:30	7:40:15	285s
****	46	7:33:50	7:38:45	295s

2)加权因子确定

计算公交线路集合的公交车辆与被预测车辆在当前站点到站时刻之差。

如：210路车辆的到站时间间隔为7:42:15-7:35:30＝405s

40路车辆的到站时间间隔为7:42:15-7:35:40＝395s

46路车辆的到站时间间隔为7:42:15-7:33:50＝505s

通过加权法则计算出权重值：

例如：总权重为 $\frac{1}{405}+\frac{1}{395}+\frac{1}{505}=0.006981$

那么，公交线路集合中的公交车辆所在权重分别为：

$210:\frac{\frac{1}{405}}{\frac{1}{405}+\frac{1}{395}+\frac{1}{505}}=0.353695$

$40:\frac{\frac{1}{395}}{\frac{1}{405}+\frac{1}{395}+\frac{1}{505}}=0.362649$

$46:\frac{\frac{1}{405}}{\frac{1}{405}+\frac{1}{395}+\frac{1}{505}}=0.283656$

因此，210路在区间21008-21009的预测的行驶时间计算方法如下所示：

285×0.353695+275×0.362649+295×0.283656＝284.21s

210路在站点21009的预测到站时刻为：7:42:15+284s＝7:46:59

实施例2

参照图4，一种基于多元信息数据的公交到站时间预测系统，包括公交GPS数据采集系统、IC卡数据采集系统、数据处理系统。所述公交GPS数据采集系统为所述数据采集系统提供实时的基础数据。公交GPS数据采集系统、IC卡数据采集系统基本功能都已属于现有技术，因此不详细介绍其结构、工作原理，不应视为公开不充分；

所述数据处理系统主要有数据接收模块、预处理模块、运行状态参数估计模块、公交到站时间预测模块，处理流程见附图4：

数据接收模块将公交GPS数据采集系统的数据实时发送到预处理模块上，并能对数据接收条数、数据接收时间、服务器运行状况进行统计记录，实时监控数据的质量状况。

预处理模块以公交GPS数据作为输入，根据其历史数据特征与相关性来识别异常数据，并通过剔除错误数据、修正问题数据和互补融合补充数据的方法来提高数据质量。

运行状态参数估计模块，根据预处理模块获得的数据实时计算路段行驶时间、站点客流延误，并基于历史数据与调查信息进行公交运行特征的估计，构建实时数据库与历史特征库。其中路段行驶时间有以下几个步骤：

S1：公交线路集合L的确定；

S2：预测方法的选择，根据公交车辆数目的阈值进行判断；

S3：对历史和实时的路段行驶时间进行修正，进行最终路段行驶时间的预测。

公交到站时间预测模块，基于公交运行特征库，实时计算区间内的路段行驶时间，对公交车辆到站时间进行预测。

本发明从数据预处理以及实时公交运行状态估计两个部分进行了理论与实践创新，开发了原型处理系统。该系统是基于C/S架构，包括后台运算服务器与接口服务器。后台运算服务器负责将输入的数据进行实时的处理与分析，结合GIS空间数据库与公交线路站点信息数据表构建路段区间历史特征分析库，以此将实时的公交运行参数转化为公交运行状态；接口服务器通过与公交企业数据中心的数据接口将各个GPS终端的数据结果和IC卡终端的数据结果实时写入到运算服务器的数据库中。构建了基于SQL Server的实时数据库与历史数据库，程序运算效率较高。基于5条公交线路的实际测试表明，公交车辆到达站点时间预测的误差≤2分钟。采用的服务器是上CPU:2个Intel8核Xeon E74820处理器(2.0GHz,18MB缓存,105W)，内存32GB，硬盘10k rpm SAS HDD)。说明此发明的计算效率能够较好的满足一般城市公交到站时间预测的计算需求，对计算机硬件条件要求不高。

Claims (2)

1.一种基于多元信息数据的公交到站时间预测方法，其特征在于：所述预测方法包括以下步骤：

1)对获取的多元信息数据进行预处理，形成历史数据库，所述多元信息数据包括预测线路的公交车辆GPS数据、通行路段其它线路公交车辆的GPS数据和公交车IC卡信息，数据处理后得到的信息包括：线路编号、车牌编号、车辆运行位置、车速、所在站间区间、车辆在各车站到达时刻、离开时刻、上车人数和下车人数；

2)建立模型预测公交车辆的站-站间行驶时间；

2.1)当公交线路集合所包含的公交车辆数目k，即k<N时，N为公交线路集合所包含的公交车辆数目的最小阈值，基于公交运行线路中相邻两个站点间的行程时间的历史数据统计回归，来得到预测的路段行程时间，通过以下公式实现：

$t_{i,i+1}^j=\underset{n=1}{\overset{j-1}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}^n{t}_{i,i+1}^n+{\mathrm{\&phi;}}_{i,i+1},1<n\&le;j-1$

其中，为第j班公交车从第i个站点到第i+1个站点的预测运行时间；βⁿ为回归系数；为纳入样本的公交车从第i个站点到第i+1个站点的历史运行时间，φ_i,i+1为路段行程时间估计参数；

2.2)当公交线路集合所包含的公交车辆数目k，即N≤k≤M时，M为公交线路集合所包含的公交车辆数目的最大阈值，预测的路段行程时间的计算过程包括以下步骤：

①公交线路集合L的确定：公交线路集合L为

为公交车辆j在当前站点的到站时刻，为公交线路集合中的公交车辆k在目标站点的到站时刻；

②加权因子确定：

加权因子Γ_k由公交线路集合中的公交车辆的站站间的行驶时间按到站间隔的倒数计算得到，计算公式由以下实现：

${\mathrm{\&Gamma;}}_k=\frac{1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}{\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}1/(T_{l,j}^{i-1}-T_{L,k}^{i-1})}$

其中，为公交线路集合中的公交车辆k在当前站点的到站时间；m为公交线路集合中的公交车辆总数；

预测的路段行驶时间计算式为：

其中，为公交线路集合中的公交车辆k在站站间的行驶时间；

3)根据推算的车站上下客量预测在站停站时间：

${T_{\mathrm{Dwell}}^A}_{S_{n-1}}\left(k\right)={\mathrm{\&alpha;}}_{S_{n-1}}\left(k\right)+{\mathrm{\&beta;}}_{S_{n-1}}\left(k\right)\&times;\mathrm{Max}(N_{\mathrm{in}},N_{\mathrm{out}})+{\mathrm{\&gamma;}}_{S_{n-1}}\left(k\right)\&times;C$

其中为回归参数，Max(N_in,N_out)为该公交车站上下客人数的最大值，C为公交车辆的乘客满载率，由此时车上实际载客数量与额定最大载客数量的百分比表示；

由公交车辆的站-站间行驶时间、在站停站时间得到区间行程时间并进行公交车辆的到站时间预测。

2.一种基于多元信息数据的公交到站时间预测系统，其特征在于：所述预测系统包括公交GPS数据采集系统、IC卡数据采集系统和数据处理系统；

所述公交GPS数据采集系统包括车载公交车GPS数据采集设备、线路站点信息表和路网GIS地图，分别提供公交车实时数据、线路站点基础信息数据表、GIS空间数据库；

所述IC卡数据采集系统包括车载机和数据采集系统，分别提供乘客刷卡信息、公交IC卡操作型数据库和公交IC卡数据仓库；

所述数据处理系统包括数据接收模块、预处理模块、运行状态参数估计模块和公交到站时间预测模块，其中：

所述数据接收模块将公交GPS数据采集系统的数据实时发送到预处理模块上，并能对数据接收条数、数据接收时间、服务器运行状况进行统计记录，实时监控数据的质量状况；

所述预处理模块以公交GPS数据作为输入，根据其历史数据特征与相关性来识别异常数据，并进行剔除错误数据、修正问题数据和互补融合补充数据；

运行状态参数估计模块，根据预处理模块获得的数据实时计算路段行程时间、站点客流延误，并基于历史数据与调查信息进行公交运行特征的估计，构建实时数据库与历史特征库；

公交到站时间预测模块，基于公交运行特征库，实时计算区间内的路段行程时间，对公交车辆到站时间进行预测。